查询结果:   杨慧芳.基于贝叶斯网络的铝型材挤压过程异常检测[J].计算机应用与软件,2019,36(9):100 - 105,150.
中文标题
基于贝叶斯网络的铝型材挤压过程异常检测
发表栏目
应用技术与研究
摘要点击数
45
英文标题
ABNORMAL DETECTION OF ALUMINUM PROFILE EXTRUSION PROCESS BASED ON BAYESIAN NETWORK
作 者
杨慧芳 Yang Huifang
作者单位
广东工业大学计算机学院 广东 广州 510006     
英文单位
School of Computers, Guangdong University of Technology, Guangzhou 510006, Guangdong, China     
关键词
铝型材挤压机 异常检测 能耗数据建模 贝叶斯网络 贝叶斯网络推理
Keywords
Aluminum extrusion presser Anomaly detection Energy consumption data modeling Bayesian networkBayesian network reasoning
基金项目
国家自然科学基金项目(U1501248)
作者资料
杨慧芳,硕士生,主研领域:智能制造,绿色制造。 。
文章摘要
针对挤压机设备异常原因复杂、异常检测精度低、检测方法时效性不足等问题,提出基于贝叶斯网络的铝型材挤压机生产过程异常检测方法。充分利用贝叶斯网络对于解决不确定性问题的优点和挤压机设备运行异常时会体现能耗数据异常的特点。分析挤压过程的能流机制,构建逻辑结构清晰、冗余低的贝叶斯网络结构。以挤压机历史能耗数据作为训练样本,进行仿真实验,可以准确地发现异常并定位导致异常发生的原因。实验结果表明,该方法在实际应用场景中有较强的可操作性,对于挤压机异常检测问题有实际的意义。
Abstract
Aiming at the problems of complex reasons for abnormal extrusion equipment, low accuracy of abnormal detection and insufficient timeliness of detection methods, this paper proposed an abnormal detection method of aluminum profile extrusion presser production process based on Bayesian network. We made full use of the advantages of Bayesian network to solve the uncertainty problem and the abnormal operation of the extruder equipment would reflect the characteristics of abnormal energy consumption data. We analyzed the energy flow mechanism of the extrusion process, and built a clear logical structure with low redundancy Bayesian network structure. The historical energy consumption data of the extruder was used as a training sample to carry out simulation experiments, which could accurately find the abnormality and locate the cause of the abnormality. The experimental results show that the method has strong operability in practical application scenarios and has practical significance for the abnormality detection of extruders.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
基于贝叶斯网络的铝型材挤压过程异常检测
杨慧芳
应用技术与研究
2019
9
100
[摘要]
2
基于智能手机用户行为习惯的App使用预测算法研究
王克强
应用技术与研究
2019
8
82
[摘要]
3
基于K2算法的精准营销研究
赵会群
应用技术与研究
2019
7
43
[摘要]
4
基于SPC的储罐液位异常检测算法
吴婷
应用技术与研究
2019
1
99
[摘要]
5
基于贝叶斯网络的桥式起重机故障诊断系统开发
陈志平
应用技术与研究
2018
8
143
[摘要]
6
基于隐高斯模型的多元离散数据异常检测
李楠芳
人工智能与识别
2018
8
249
[摘要]
7
基于深度学习的电力大数据融合与异常检测方法
刘冬兰
数据工程
2018
4
61
[摘要]
8
Android与ROS交互通信的可靠性设计
李梦男
网络与通信
2018
3
106
[摘要]
9
一种基于核PCA的网络流量异常检测算法
曾建华
网络与通信
2018
3
140
[摘要]
10
多式联运路径优化模型中的贝叶斯极大熵权重自学习方法研究
张宏博
软件技术与研究
2018
10
28
[摘要]
11
基于异常检测的尿沉渣图像分割
李悦
图像处理与应用
2017
6
212
[摘要]
12
基于独立流量平稳模型的异常检测算法研究
费金龙
安全技术
2017
3
272
[摘要]
13
基于变精度粗糙集与量子贝叶斯网络的变压器故障诊断研究
郭栋
应用技术与研究
2017
2
93
[摘要]
14
基于FCM-ANN的化工储罐异常检测方法研究
杨小健
人工智能与识别
2017
2
214
[摘要]
15
基于微簇的桥梁监测数据流异常识别研究
吴运宏
应用技术与研究
2016
9
46
[摘要]
16
面向以太网的网络故障自动实时发现与定位方法
赵灿明
网络与通信
2016
9
101
[摘要]
17
监控视频异常检测与质量诊断
夏裕建
图像处理与应用
2016
6
163
[摘要]
18
h-MMHC算法及其在主因素分析中的应用
李昌群
算法
2016
6
240
[摘要]
19
一种基于Chebyshev的网络流量异常检测方法
胡平
网络与通信
2016
5
127
[摘要]
20
基于贝叶斯网络d-分隔定理的节点置信度计算方法
王辉
安全技术
2016
11
288
[摘要]
21
基于OpenStack的自适应异常检测模型的设计与实现
熊辉
安全技术
2015
9
292
[摘要]
22
分布式拒绝服务攻击高速率单点局部异常检测
刘玉宽
安全技术
2015
9
299
[摘要]
23
一种恶意代码特征选取和建模方法
李盟
安全技术
2015
8
266
[摘要]
24
综合控制流与数据流分析的主机异常检测新方法
吴敏
软件技术与研究
2015
5
33
[摘要]
25
一种基于软调和函数的有条件异常检测方案研究
黎华
数据工程
2015
5
65
[摘要]
26
基于系统调用时间特征的异常行为智能检测系统
赵刚
安全技术
2015
4
309
[摘要]
27
基于轨迹多特征的运动模式学习及异常检测
汤春明
人工智能与识别
2015
3
200
[摘要]
28
CUSUM算法在NOAA卫星数据震前异常分析中的应用
詹晓珊
算法
2015
2
232
[摘要]
29
基于单元格运动特征的人群异常检测
胡斌斌
人工智能与识别
2014
8
157
[摘要]
30
基于混合高斯模型的异常检测算法改进
李敏
图像处理与应用
2014
6
198
[摘要]
31
基于扰动数据的因果网络结构的学习
吴晓星
算法
2014
6
289
[摘要]
32
基于贝叶斯网络约简的铁路应急决策方法
张振海
应用技术与研究
2014
5
60
[摘要]
33
基于粒子群优化建模的贝叶斯网络结构学习方法
李东灵
人工智能与识别
2014
11
178
[摘要]