基于fcm-ann的化工储罐异常检测方法研究-计算机应用与软件.pdfVIP

第３４卷第２期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．２ ２０１７年２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｆｅｂ．２０１７ 基于ＦＣＭＡＮＮ的化工储罐异常检测方法研究  杨小健　朱　月 　钱景辉 （南京工业大学计算机科学与技术学院　江苏南京２１１８１６） 摘　要　　如何准确地检测出储罐运行的异常状态是工业控制系统的核心问题，针对传统的有监督学习需要大 量学习样本，而无监督学习准确率不足的问题，提出一种基于ＦＣＭＡＮＮ的异常检测方法。该方法基于三层结构 模型，ＦＣＭ层不需要任何先验知识，对数据进行初步异常检测，ＡＮＮ层对ＦＣＭ层的每个类分别进行神经网络学 习，最后通过ＡＮＮ集成得到检测结果。对采集的储罐运行状态数据进行仿真后，结果表明该方法比ＡＮＮ、ＦＣＭ 和ＮａｖｅＢａｙｅｓ方法有更优的检测性能。 关键词　　储罐　异常检测　ＦＣＭ　ＡＮＮ　三层结构模型 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０２．０３８ ＲＥＳＥＡＲＣＨＯＮＡＢＮＯＲＭＡＬＤＥＴＥＣＴＩＯＮＯＦＣＨＥＭＩＣＡＬ ＳＴＯＲＡＧＥＴＡＮＫＢＡＳＥＤＯＮＦＣＭＡＮＮ  ＹａｎｇＸｉａｏｊｉａｎ　ＺｈｕＹｕｅ　ＱｉａｎＪｉｎｇｈｕｉ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮａｎｊｉｎｇＴｅｃｈＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１１８１６，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｈｏｗｔｏｄｅｔｅｃｔｔｈｅａｂｎｏｒｍａｌｓｔａｔｅｏｆｔｈｅｏｐｅｒａｔｉｏｎｏｆｔｈｅｓｔｏｒａｇｅｔａｎｋｉｓｔｈｅｃｏｒｅｐｒｏｂｌｅｍｉｎｉｎｄｕｓｔｒｉａｌ ｃｏｎｔｒｏｌｓｙｓｔｅｍｓ．Ｍｏｓｔｏｆｔｈｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｓｐｒｏｐｏｓｅｄｓｏｆａｒｅｍｐｌｏｙａｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇｏｒｕｎｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ ｔｅｃｈｎｉｑｕｅ，ｔｈｅｆｏｒｍｅｒｆａｉｌｓｔｏｄｅｔｅｃｔｕｎｋｎｏｗｎａｎｏｍａｌｉｅｓｗｈｉｌｅｔｈｅｌａｔｔｅｒｒｅｑｕｉｒｅｓｌａｒｇｅａｍｏｕｎｔｓｏｆｌｅａｒｎｉｎｇｄａｔａ．Ｉｎｏｒｄｅｒ ｔｏｓｏｌｖｅｔｈｅａｂｏｖｅｐｒｏｂｌｅｍｓ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｈｙｂｒｉｄａｌｇｏｒｉｔｈｍｎａｍｅｄＦＣＭＡＮＮｗｈｉｃｈｉｓａｍｉｘｔｕｒｅｏｆＦｕｚｚｙＣ ＭｅａｎｓｃｌｕｓｔｅｒｉｎｇａｎｄＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ．Ｔｈｅｒｅａｒｅｔｈｒｅｅｐｈａｓｅｓｉｎｖｏｌｖｅｄｉｎｔｈｅａｌｇｏｒｉｔｈｍ，ｉｎｔｈｅｆｉｒｓｔｐｈａｓｅ， ｎａｍｅｌｙｔｈｅＦＣＭｌａｙｅｒ，ＦＣＭａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｓｅｐａｒａｔｅｔｈｅｄａｔａｉｎｔｏｓｅｖｅｒａｌｃｌｕｓｔｅｒｓａｎｄｍｏｓｔｏｆｔｈｅａｂｎｏｒｍａｌｄａｔａ ｇａｔｈｅｒｔｏｇｅｔｈｅｒ．Ｉｎｓｅｃｏｎｄｐｈａｓｅ，ｄｉｆｆｅｒｅｎｔＡＮＮｓｉｓｔｒａｉｎｅｄｂａｓｅｄｏｎｖａｒｉｏｕｓｃｌｕｓｔｅｒｓａｎｄａｔｌａｓｔｎｅｕｒａｌｎｅｔｗｏｒｋｅｎｓｅｍｂｌｅ ｉｓｕｓｅｄｔｏｃｏｍｂｉｎｅｔｈｅｒｅｓｕｌｔｓｏｆｄｉｆｆｅｒｅｎｔＡＮＮｓ．Ｓｏｍｅｅｘｐｅｒｉｍｅｎｔｓａｒｅｃｏｎｄｕｃｔｅｄｏｎｔｈｅｄａｔａｂａｓｅｏｆｓｔｏｒａｇｅｔａｎｋ ｏｐｅｒａｔｉｏｎａｎｄｔｈｅｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｓａｂｌｅｔｏｄｅｔｅｃｔａｎｏｍａｌｉｅｓｗｉｔｈｂｅｔｔｅｒｄｅｔｅｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ ｃｏｍｐａｒｅｄｗｉｔｈＡＮＮ，ＦＣＭａｎｄＮａｖｅＢａｙｅｓ． Ｋｅｙｗｏｒｄｓ　　Ｓｔｏｒａｇｅｔａｎｋ　Ａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎ　ＦＣＭ　ＡＮＮ　Ｔｈｒｅｅｌａｙｅｒｓｔｒ