﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle>
      <ISSN>16823745</ISSN>
      <Volume>13</Volume>
      <Issue>4</Issue>
      <PubDate PubStatus="epublish">
        <Year>2020</Year>
        <Month>4</Month>
        <Day>2</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Fault Detection by Integrating Canonical Variate Analysis and Independent Component Analysis Based on Local Outlier Factor</ArticleTitle>
    <VernacularTitle>آشکارسازی عیب با استفاده از یک‌پارچه‌سازی روش آنالیز متغیر استاندارد و آنالیز مؤلفه مستقل مبنی بر فاکتور برون هشته محلی</VernacularTitle>
    <FirstPage>151</FirstPage>
    <LastPage>157</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName>الهام</FirstName>
        <LastName>توسلی‌پور</LastName>
        <Affiliation></Affiliation>
      </Author>
      <Author>
        <FirstName>محمدتقی</FirstName>
        <LastName>حمیدی بهشتی</LastName>
        <Affiliation></Affiliation>
      </Author>
      <Author>
        <FirstName>امین</FirstName>
        <LastName>رمضانی</LastName>
        <Affiliation></Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2017</Year>
      <Month>7</Month>
      <Day>11</Day>
    </History>
    <Abstract>In this paper a novel process monitoring scheme is proposed because of the importance of fault detection and identification in industrial processes. In this method, process dynamic and effect of outliers are considered concurrently. First, the proposed approach uses CVA method to implement the process dynamic. Then ICA method is performed for dimension reduction of data. The outliers elimination and control limit calculation are based on the Local Outlier Factor algorithm. This algorithm doesn’t consider a special distribution for process variables, thus conforming to data in real industrial processes. The proposed method is applied to fault detection in the Tennessee Eastman process. Results clearly indicate better performance of the proposed scheme compared to the alternative methods.</Abstract>
    <OtherAbstract Language="FA">با توجه به اهمیت تشخیص و تصحیح سریع شرایط غیر عادی عیب در فرایندهای صنعتی، در این مقاله روشی جدید به منظور نظارت فرایند پیشنهاد شده است. در این روش هم‌زمان هم دینامیک فرایند و هم تأثیر داده‌های برون هشته در نظر گرفته شده است. ابتدا دینامیک فرایند به وسیله روش آنالیز متغیر استاندارد اعمال شده و سپس از الگوریتم آنالیز مؤلفه مستقل به منظور کاهش بعد داده‌ها استفاده شده است. همچنین حذف داده‌های برون هشته و محاسبه حد کنترلی بر اساس الگوریتم فاکتور برون هشته محلی صورت گرفته است که هیچ توزیع خاصی را برای متغیرهای فرایند در نظر نمی‌گیرد. از این رو با داده‌های موجود در صنعت تطابق دارد. همچنین به منظور افزایش اعتبار روش پیشنهادی در راستای آشکارسازی عیب، این الگوریتم‌ بر روی فرایند TE شبیه‌سازی شده است و مقایسه‌ای با نتایج حاصل از پژوهش‌های دیگر صورت گرفته است. نتایج حاکی از آن است که الگوریتم‌ پیشنهادی بهترین عملکرد را نسبت به سایر روش‌ها دارد.</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">آنالیز متغیر استاندارد
آنالیز مؤلفه مستقل
فاکتور برون هشته محلی
فرایند TE</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28150</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>