Advertisement

田纳西-伊斯曼过程数据集。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
TE过程控制数据集包含22个用于训练的集合以及22个用于测试的集合。每个训练集合由52个测量信号构成，总计呈现480行数据。同样地，每个测试集合也由52个测量信号组成，从而产生了960行的数据记录。该数据集的详细信息可参考：https://blog..net/LuohenYJ/article/details/78441707

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • TE田纳西-伊斯曼过程数据集_RAR文件包含TE化工数据和田纳西-伊斯曼过程信息
    优质
    该RAR文件包含了关于TE化工公司的详细资料以及田纳西-伊斯曼过程的相关信息。此数据集适用于研究与学习化学工程领域，特别是工艺流程优化分析。 田纳西伊斯曼过程数据集包括训练集和测试集各22组，可以导入Excel表格。
     
  • TE田纳西-伊斯曼工艺数据集
    优质
    TE田纳西-伊斯曼工艺数据集是由田纳西大学开发的一个公开化工过程故障检测与诊断的数据集合，广泛应用于工业数据分析和人工智能研究。 TE过程控制数据集包含22个训练集和22个测试集。每个训练集中有52个测量信号，并且总共有480行数据；每个测试集中同样含有52个测量信号，总共960行数据。
     
  • 田纳西伊斯曼过程的MATLAB源码
    优质
    本项目提供田纳西伊斯曼过程（TEP）的MATLAB仿真源代码，适用于化工系统工程教学与研究。包含工艺流程模拟和控制策略实现。 学习化工过程的必备仿真程序是田纳西伊斯曼公司开发的一个代表性程序，适用于化工类和控制类专业的毕业设计研究对象，并且该程序有源码可供参考。
     
  • 田纳西伊斯曼过程的故障检测实验报告
    优质
    本实验报告详细探讨了田纳西伊斯曼化工生产过程中的故障检测技术应用与分析，旨在提高工业过程的安全性和效率。 实验报告采用四种算法（PCA, IF, OCSVM, MD）构造故障检测模型。报告包含完整的实验步骤、算法介绍与实验代码（MATLAB）。内容涵盖数据背景、数据介绍、问题分析、数据预处理、特征提取以及利用多种机器学习算法构建模型的过程。
     
  • (TE流程)田纳西伊斯曼流程仿真模型temexd_mod.rar
    优质
    本资源提供田纳西伊斯曼过程（TEP）仿真实验模版，即TEMEXD_MOD.RAR文件。此模型是化工教学与研究中用于模拟工厂操作和性能分析的重要工具。 TE过程的仿真模型包含了21种故障。该过程由田纳西-伊斯曼化学品公司基于一个真实化工过程创建，旨在为评估过程控制和监控方法提供一个真实的工业环境。TE过程是一个复杂的非线性系统，涉及众多变量。
     
  • 田纳西伊斯曼工艺仿真模型（TE工艺）
    优质
    田纳西伊斯曼工艺仿真模型（TE工艺）是化工过程控制教育中的经典案例，广泛应用于教学与研究中，用于模拟和优化工业生产流程。 TE过程的仿真模型包括21种故障类型。该过程是由田纳西-伊斯曼化学品公司基于一个真实化工过程创建的仿真系统，旨在为评估过程控制和监控方法提供现实工业环境。TE过程是一个复杂的非线性系统，涉及大量变量。
     
  • 田纳西伊斯曼的故障诊断实验报告
    优质
    《田纳西伊斯曼的故障诊断实验报告》记录了在复杂工业环境中进行的一系列故障诊断与问题解决的实践案例和研究成果。 【田纳西伊斯曼故障诊断实验报告】是一个深入研究化工过程异常检测的案例，它基于美国Eastman化学公司的Tennessee Eastman (TE)仿真平台，该平台模拟了复杂的化工反应，涉及多步骤的物质转化和控制变量。实验包含了数据背景、数据介绍、问题分析、数据预处理、特征提取和多种机器学习算法的模型构建，以及Simulink仿真的应用。 1. **数据背景与数据介绍** - **TE过程**：这个过程包括8种物料成分，其中A、C、D、E作为反应物，B是惰性组分，G和H为主产物，F为副产物。物料通过不同流路进入反应器进行化学反应，然后通过冷凝和分离步骤进行产品提纯。 - **数据特性**：包括12个控制变量、22个过程测量变量和19个成分变量，涵盖了流量、压力、温度等多维度信息。此外，TE过程还设计了21种异常运行状态，样本每3分钟采集一次，故障从第161个样本开始引入。 2. **问题分析与数据预处理** - **异常诊断**：问题被视为一个多分类任务，需要将数据分为正常状态和21种故障状态。由于正常数据多于异常数据，可能需要进行欠采样处理以平衡样本分布。 - **预处理**：考虑到数据量纲不一，为了适应机器学习算法的训练需求，需对所有特征变量执行标准化操作（例如使用`zscore`函数），消除量纲影响，提高模型稳定性。 3. **机器学习算法应用** - **模型构建**：实验采用了决策树、判别分析、贝叶斯模型、K近邻和随机森林等多种多分类算法。通过五折交叉验证选取最佳模型，并进行超参数调优以提升预测准确率。 - **异常变量识别**：利用SHAP值和LIME算法，这两个局部可解释性方法能揭示特征变量对预测结果的影响，有助于定位异常变量。 4. **Simulink仿真** - **验证模型**：通过在Simulink中设置人工故障并重新进行仿真实验收集新数据。然后使用训练好的机器学习模型检测这些新生成的数据集以检验其准确性和实用性。 实验的代码示例展示了如何加载和标准化处理数据，确保所有特征在同一尺度上，以便于不同机器学习算法的有效应用与评估。此研究全面地探讨了化工过程故障诊断流程，从初始数据准备到最终模型验证，充分展现了机器学习技术在解决实际工业问题中的强大潜力。通过这样的实验案例，我们可以学到如何应对多元异构的数据挑战、选择合适的机器学习方法以及结合仿真工具进行有效检测与分析的方法。
     
  • TE_process.zip_TE_TE过程模拟_TE数据_田纳西
    优质
    该文件包含用于模拟田纳西地区的TE（特定环境或技术流程）过程的数据和模型。适用于研究与教学用途，帮助理解TE在不同条件下的行为特征。 TE（田纳西伊斯曼过程）数据集包括C++和Matlab的模拟流程。
     
  • 田纳西州伊士曼挑战问题档案：Tennessee-Eastman-Challenge
    优质
    《田纳西州伊士曼挑战问题档案》记录了1973年发生在田纳西州的一场管理科学实验，该案例成为运营研究和系统工程中的经典教学素材。 田纳西州伊士曼挑战赛问题档案免责声明：该公共存储库基于作者的网页创建，并且任何人都可以免费使用它来访问互联网上的资源。同样，原始zip文件和源代码可以在作者的网页上免费获得。此存储库旨在作为公开提供的田纳西州伊士曼挑战研究平台，以促进有效传播、改进和共享源代码所需的开发工作。 目录 作者：N.劳伦斯·里克教授 化学工程系名誉教授 华盛顿大学 Box 351750 Seattle, WA 98195-1750 USA 来源说明：许多代码是为Matlab 3.x和4.x版本编写的。只有少数几个已更新，可以使用较新的版本。 如果需求足够强烈，我可以考虑进行相应的升级工作。