Wavelet Transform Based Methodology for Detection and Characterization of Multiple Oscillations in Nonstationary Variables
Notice bibliographique
Résumé
Diagnosing the root cause of a propagated oscillation in the operation requires detection of all process variables that are oscillating with similar frequencies followed by application of an appropriate root cause diagnosis procedure. Oscillations in chemical processes are usually caused by controller tuning, valve problems, or external oscillatory disturbances. There are several methods proposed in literature for root cause diagnosis of oscillations within the system. However, most of the methodologies can only work for a specific type of oscillation. For example, the methodologies based on quantifying the nonlinearity of variables can help with root cause diagnosis of a valve-induced oscillation but cannot help if the oscillation actually has occurred due to aggressive controller tuning or due to an external oscillatory disturbance. Therefore, before trying to find out which loop within the system has caused the oscillation, it is important to categorize the oscillation meaning to learn if the oscillation is caused by a nonlinear valve within the system, controller tuning or an external disturbance to choose an appropriate diagnostic procedure. The different characteristics of these three oscillation types are studied in the literature with methodologies to distinguish them from each other. However, the proposed methodologies can work reliably when there is only one oscillatory component present in the variables and cannot help in cases of multiple oscillations. Also, nonstationary trends and noise within variables are yet a challenging issue in detection and diagnosis of oscillations. This paper presents a comprehensive oscillation detection and characterization procedure based on wavelet transform. The methodology is capable of both detection and independent characterization of multiple oscillation frequencies in variables as well as implementing automatic noise and nonstationary trend removal algorithms. Advantages of the proposed method are illustrated through analysis of data sampled from an industrial process as well as simulations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».