时态核静态广义学习系统

炼铁过程高精度建模

该广义学习系统通过核表征和时态对齐机制，解决了炼铁过程中数据非平稳、采样率不匹配等挑战，实现了更稳健的建模与异常检测。

Lou, Siwei · 杨春节 · Liyuan, Kong · Tao, Lin · 张瀚文 · 吴萍 · 柴利

IEEE Transactions on Systems, Man, and Cybernetics: Systems 2024

参数信息

数据集数量

7

技术优势

处理非平稳数据

通过核技术和时态对齐解决了非平稳场景下的建模难题。

理论保障的增量学习

独立的增量学习机制具有全面的理论分析支撑。

应用场景

• 工业过程监控：为工业过程提供稳健的在线建模与异常检测。
• 高炉异常检测：直接用于高炉炼铁过程的异常识别。
• 工业机器人过程控制：支持工业机器人过程控制中的数据建模。