当前课程知识点:2015年清华大学研究生学位论文答辩(一) > 第2周 机械系、自动化系、交叉信息学院 > 自动化系-江奔奔 > 问答及答辩结果
返回《2015年清华大学研究生学位论文答辩(一)》慕课在线视频课程列表
返回《2015年清华大学研究生学位论文答辩(一)》慕课在线视频列表
先问这个上头
你那个有一个排第二的
那篇文章第一作者是谁啊
是一个算是在美国的
他是在美国已经在工业界
工作了的工作了的
他相当具体工业了解比较多
还有你那个有一个学术新秀
什么叫排名第一成绩第三
那什么意思
就相当于今年是相当于
总共是选了三个是
作为自动化系的学术新秀
知道
然后是把第一名是推荐到学校
好
下边请大家提问吧
你那个模型测试实验
好像在准确性上面
好像是你的重点一样的
你的快速性好像没有怎么评价
没论证
快速性
快速性什么地方体现出来的
主要是在第二部分
怎么评价
第二部分的研究内容
怎么评价的
能给你直接有快速性
是跟谁比的
这个快速性方面
第一是相当跟
计算时间方面跟另外两种
在故障分类当中用的比较常用的
FDA方法和动态FDA方法进行比
时间上面说
另外还有从快速性方面
其实还有一层意思
除了所用的计算时间比较少之外
还有在就是针像研究了
这里具有较强
就相当动态过渡特性更强的过程
就只有相当于是更早
就是更快更早发现过程的异常
苗头发生这个故障
苗头就能发生
这里的在这个过程阶段
就诊断的识别率效果
像准确性更高
你的方法最后反过来
你是刚开始那举了几个例子
好像有北京东方化工厂什么什么的
就说那个例子当然举的话
觉得你这个研究是很有重要的
但是如果你这个这样的话
你现在做的这个模型
或者一些个例子
应当如果反过来再回到
原来的化工厂那种故障的
那种历史数据或者怎么样的话
你自己去验证了没有
就是说如果用我这个方法的的话
能够更早的能够发现这个故障的异常
这个相当于这故障诊断技术
各种方法研究是有一个benchmark象
就是这个TEP过程
田纳西伊斯曼过程
是评估各种故障监控诊断
技术方面的一个bench象
那效果都是那个benchmark上面去了
都是在benchmark
是
然后在具体实际工程当中是
就是说每一个拿工程这
个实例还没有去试
就是说
原来那个可能
还有一个的话
你这个
根据你这个方法
回头来反过来要这个化工厂的
一些个检测数据的
要求有没有一些
给出一些建议给化工厂
要求相当
也许你也是有数据条件
你本身也是数据驱动
对吧
因果分析
那当然肯定有一些标准
那么你现在的条件的话
这些数据的来源的话
现有化工厂外
都能够完备的提供给你吗
比如说我就说反过来说到
如果你在这套测试方法
去应用的话
居然化工厂有些什么样的要求
要求相当于现在是从理论方面
是只要给我粗糙数据我都可以用
然后我只需要数据
进行一次均匀化处理
然后接下来都可以用的
就没有找到比方说北京的化工厂
你这里应该有数据
你这里应该有检测
应该有个检测装置
有个什么
你没有这些建议
没有这样子的
这相当是当然前提
是要数据能被得到
反而现在它有没有
就是你自己也没有去确认
或者说你也没有给它提出建议
相当于老师我理解您的意思
实际上在具体
在具体实际工业设备当中
如何去安放检测
根据你的模型根据可能你的方法
你总得是要不能做无米之炊
对吗
你肯定要有个解
那你反过头来进到一些个
实际工程里面去
觉得你这个应该需要这里需要
你用了我的方法能够
提前能够知道故障了
这些都是你没有
这是一个很好的建议
我这部分论文这部分
相当于是没涉及到这部分
我以后我可以继续往这方面
比方说这样的话
可以顺利做出一个规范出来
对吧
给发明者
你也可以做这样的方案上
必须要有这样的
然后就可以
用我的方法能够更快速的
那就是这样的挺有实际价值的
还有另外一点就是
它这种快速性指的是相当
还有一个小的建议是
在实际应用当中
如果采样采样的速率越高的话
对呀
就所提的方法就跟其他的
其余PCA之类的会
相对效果会更好
我问一下你那个各章
再明确一下各章具体的贡献
就是你这个上头研究内容一
CVA的贡献图CVA是人家已经有的
对吧
然后CVA
关于CVA的贡献值
是你提出来的还是
是我提出来的
是你提出来的
用CVA贡献图
那你和PCA相比你说就是
你提到了CVA和PCA相比有好处
但是CVA的贡献值
和最后基于PCA的贡献值
相比那好处到底在哪儿
在准确性方面是通过这个
你的例子是说了这个特点
但是物理意义为什么CVA的贡献值
会比PCA要好呢
主要是在这个就在这里
就是CVA它的一个主要思想是
它基于状态空间模型
一个好处是在就在
就是动态数据建模性能方面的
误差方面的准确性方面
是比PCA等方面是要精确
那是不是可以理解CVA
是要基于状态空间模型的
但是状态空间模型相当于可是比
那个PCA的那种关系模型要精细得多
精确
相当于是不是
你需要更多的先验知识
就是你依赖于准确的状态空间模型
是不是这样
是这样
如果要是说很多化工过程
根本得不到状态空间模型的话
CVA是不能用的
如果前提是数据相当于是太糟糕
如果它
不是
建立状态空间模型
本身就是一个很难的事情
于实际的缓动过程
就是你是不是说CVA的好处
主要是在于它基于状态空间模型
所以这点要说清楚
它在这里精确性
还有可以在这里还有个最小实现
然后研究内容二
就是CVA和FDA合在一块
这个我理解主要的创新性
应该是在就是把CVA的结果
作为那个一般的故障分类的
一个特征的输入
是这样吗
这个其实按道理说
你要是更公平的比较
不应该是跟FDA比
因为FDA的就这种分类之前
人家用一些各种预处理的手段
去提取一些特征
然后再分类
这个方法很多的
你应该跟它们去比
而不是说
你真正就是你相当于
你有一个特征的提取然后分类
人家有好多提出的特征提取
你不去比你比的是直接做分类
就是当然你这个会
比那个直接做分类的要好
那比如前头也有用
那个什么PCA做特征提取
有很多特征提取的方法
这些你考虑了吗
我是相当于跟主要跟FDA
你直接在FDA比
还有跟动态FDA比
主要是
但是先不说动态的事
就是FDA的本身
就是一个分类的方法
那很多人在FDA之前
人家也提取各种特征
不是拿原始直接就去分类
你现在用了一个
相当于是用CVA
提取一些特征之后再分类
然后你就直接去跟它
原始数据做分类相比
反而会比人家好
但是我的意思是
可能如果将来要做的更好的
或者更公平的比较
是跟人家前头用的其他特征的
再加FDA的去比
是吧
在文章当中是那个
文章之中是有这个比较吗
理论分析是跟PCA
先跟PCA降维
然后FDA是
PCA跟FDA
然后再往下分
具体例子当中没有做
相当于在分析当中是都分析了
那如果是这样的话
那还是说最后的好处
是和CVA相比PCA的好处
主要这篇文章
是相当关注重点是在
动态信息的提取方面
所以重点是
动态重点那就是你的意思是
CVA可以提取一些动态信息
因为你原来说要CVA加FDA
可以跟PTC的去比
动态FDA
重点是关注这方面
CVA因为是状态方程
所以它是不是就
本身就有利于动态信息的提取
和DFDA比
然后CVA本身又有一些那个
相当于数据预处理的这个过程
所以比直接用DFDA要好
是这样吗
PTC有没有分类的作用
老师如果说从那个
先是特征提取分类方面
是更不公平的是要跟PC
现在是CVA-FDA
就是这章的东西你去和FDA比了
这我理解了
然后跟动态FDA也比了
然后你又和动态FDA比了
这个主要目的是要为了验证
动态FDA的动态信息用什么描述
就相当于它用比较经典的
就历史数据进行扩维
历史的就跟
就是变成就跟
就相当于是从过去的数据变成
而且CVA有动态方程
应该更好的描述这动态信息
明白了
然后那个下面一个
CVA加上因果分析那个
你说什么叫关联故障
指那些就是物理意义是什么
就是除了你面这些方程
那个中间连接的
全是变量还是什么
比如这个图说(10:40)什么意思
像之前的相当我们都考虑
直接就测量的变量
主要是一个点上发生故障
然后我现在
什么叫一个点发生故障
你只讲这一个
比如说一个测量的液位
发生波动了
这是传感器故障
然后我这里关注就是
两个变量与变量之间的关联结构
发生故障
那物理上你想过没有
比如像一些就是
比如像有一些系数故障
不
你不能说TE的系数故障
那物理上比如说
那个是一个阀门出去了
就有一些介质从那儿送过去了
那什么叫系数故障
比如说阀门当中的
它有些就是过的时间方面的套
这些限制
参数一些波动
那直接进入到哪个工序的
它体现的就相当于
模型当中主要是体现的
模型 是
这个模型你都说清楚了
我现在就想问你
这里头的某个系数
你说它故障
比如说某个系数从0.10变到了0.70
对吧
但从物理上是什么事了
比如像增益之类的
不是
我为什么问这件事呢
因为我比较知道的
是那些设备的故障
比如就是你回到那TE
因为TE涉及到这个物理象的
那个是有物理意义的
回到刚才那个TE的图
你比如TE里头这些我知道的
就按我的概念我懂的是
比如反应器里头会有什么问题
然后某个传感器有问题
某个阀门有问题
这些都可以理解
你可以有各种方程去描述
现在你把它描述成一个因果关系
也是可以的
但是你就直接讲
那上头有一个因果故障连接故障
我就不明白它到底是个什么故障
能表示成这个连接关系的故障
比如从你这个表上那大圆圈
从这个阀门送到那边去
比如说从这里开始到这里
这里有一个
这是反馈
然后是阀门
比如这管子漏了还是说是因为
送源头的执行器的阀门
你说那阀门有什么特性的变化
导致这两个连接关系会有变化
就是这也是罗老师说的问题
就是你的假设
其实是从那些方程出发的
但它的物理问题到底是什么
比如像这里到这里
可以跟就是它们是有
可以用一个数学表达式
进行描述的可能有关系的
就是
它的数学表达式也就是
叶老师意思就是是执行器故障
还是传感器还是内部的仪器
还是那管子漏了
像这类的话比如说是应该
就是中间它这里管子
有个漏了之类的
但这里是相当漏了
但这里没有加传感器
现在传感器只是在这两个部位加
像中间这部分
但是如果是两边的传感器漏了
可能也会导致
这种连接关系发生变化
对吧
因为你的连接关系表述的
就是从一个变量
到另外一个变量之间的关系
然后那两变量之间任何一个变了
你不知道的时候
你可能也会判断
为是这种连接关系的变化
就还是
当然这相当于是从逻辑的很严谨
不是
跟罗老师说那个比很像
比如罗老师讲
你整个从东方化工厂出发
然后做好多事
没回到那儿去
这是一个比它更细的问题
就是你举的例子是TE
结果呢你最后后边的
所有的出发点全是那堆方程
你连TE都没回去
不
在这部分相当因为是它
benchmark T象中产生了各种故障
都是具体变量的故障
对呀
就是说你这个后边的方法
没回到你解释前头
讲的这个问题的出发点
然后你后头真正做的方法
是那堆方程
它又没有这种物理意义
说的就是这个
主要是相当benchmark当中
它产生的RCU故障
TE跟benchmark没法描述这种
没有办法描述
这种关联结构的故障
所以说采取了
如果你真是将来觉得它会有用
至少应该把它回到TE
就是不是连接关系的也可以表示
可能表示成这个连接关系
这里所用
这个都是我知道的
还有你这一章为什么
在讲那个什么的时候
只说就说它好处只有漏报率
你讲它故障的
当然这个故障
一般是漏报率和检测率
检测率里边也做了也做了
但你PPT里没讲
PPT里没有存放出来
这样在论文当中是保证
检测率是处在同一水平情况下
跟(15:23)一样
比较漏报率的
行
最后一个问题就是那个研究内容四
其实主要是涉及到辨识的事
重点 是吧
这里我知道你怎么做的
但是你能不能从你概念上说一下
你和那个闭环辨识就是
多输入多输出的这种闭环辨识
人家也是辨识系数辨识阶次
你和它们相比你的贡献
你的方法肯定是特殊的
就是你最后从效果这儿来说
你的贡献到底在哪儿
为什么不用他们的方法要用你的
主要贡献就是在计算量的降低上
比如说像包括这个AMAR模型
AMAR模型
比如利用长效方法的话
它都是先假设不知道事先假设
AMAR的模型阶次的话
它都是先假设模型阶次是0 1 2依次做
你这都是要不断的去试的
是
如果按照考虑
这种传统方式做的话
如果考虑一个5变量输入的
一个变量输出的话
这样要做10个6次方的辨识搜索
然后我这个
就只需要做一步的举证
游离分解就可以同时
一步游离分解
但是最后有没有
比那个就是辨识的精度呢
在同样的就是
你计算量是少了好多
辨识的精度怎么样呢
辨识精度相当于是
如果理论前提条件都一样的话
辨识精度是理论分析是一致的
跟
为什么能做到这样
就是你的物理思想是什么
你为什么能一下子降低了
那么多的计算量
不搜索然后还跟人家精度一样
这部分相当于
也是经过了很长时间相当思考
然后又当时跟上数据分析课
这样在当时触发的
然后让
就是你现在你跟我们说说你的
这相当于是一个很大的好处
你取得这好处
你的诀窍是在什么地方
诀窍就是主要是
那你你不能光说优异风险
就是你的感知到的思想
因为从来就都是说
就能取得巨大的进展的时候
要么是原来
有一些好的地方信息没用到
要么就是你付出了什么代价
取得了好处
你是哪种情况
你能大概的想想吗
应该是属于前者
主要是想构造出来这样一个
就是交错形式的数据矩阵
把相当于把数据中的信息
更充分的挖掘出来
这个跟这有什么改变
那个矩阵不是一样吗
但是它一个特点
就是它这里有个交错这样排列的
交错
交错排列的
然后它刚好交错排列
这样应的就是这里的
就是全部的它
把传统辨识方法分开进行做
就是这么多次
它刚好从理论分解是
刚好就应这种的
然后你说
您说具体
这个还真很难解释
你说就是因为交错排列
然后各做了一个这样的矩阵
就有点像比如说基于CVA
比如说你觉得你这里
最大的技巧就是交错排列
是吗
交错排列而且还构造出这样一个
就是这样的交错形式
应相应交错形式多模型结构
主要技巧都在这里
但是我还是不明白为什么这里
就会有好处
行吧
我就先问这些吧
好
我问个问题
关于我看了你第二章
就是基于规范变量分析的
故障识别
因为我也在Journal of Process Control
这样的顶尖杂志发表
但是有一点我不太清楚
好
你说本身这个分变量分析
CVA是以前做这个模型辨识
这个状态空间模型的
对吧
那你在这里
你做这个贡献图的时候
用不用像论文15页
里边的这个空间模型
没用到这个吗
实际上具体的好处
是基于了CVA的状态
你是
我是想问问是
你是知道这个模型
用这个方法呢
还是这种模型
就是CVA的方法
以前是用于辨识模型的
当然你呢在这里
是基于这模型做的呢
还是直接是用数据的方法
来做的贡献图
是直接基于数据的方法
不需要辨识成模型的
可是在这里就应该说
因为你的整个论文
是基于数据驱动的
但是你这论文里边写的
就它的方法
就是基于数学模型什么
其实你这里没有用这模型
对吧
是这样子吧
相当于
但是CVA是需要状态空间模型的
不是
他是这个CVA是以前最早提出来
是辨识状态空间模型的
你这里是基于
这模型来做这件事情呢
还是没有模型直接
直接是基于数据然后做
然后它内部的好处是就
好了好了
它内部的好处就说
我可以辨识模型
但是你在这里没用它
没用
你只是用它来进行了
这个贡献图的一个故障的识别
第二个问题意见
那么既然提起数据来进行贡献图
像不管是像PCA来说
主要分析也是
我们可以在做贡献图的
尽管你是通过实验来进行
表明了PCA的方法
就拿这个田纳西的
这个过程来说
好像是有个故障你因为漏检了
而用理论方法就没有漏检
你能从
因为你这里的话看它的定义
它的贡献图的值
当然你包括残差变空间的
包括它的这个
投影空间的你都用了
你能从这个理论上
或者是从你的方法本身来说
它跟PCA相比的最大优点吗
它没错
它本身你说是
可以来辨识这个模型的
当然在这里没用它
它能够辨识空间模型
这已经不是一个优点了
但是钟老师
我觉得他是必须要有
那状态空间模型才能算CVA
但是就说是这个
就是另外一回事了
不是这个
你现在给我解释一下
相当于是
不需要状态空间的模型
没错
但是利用的是内部隐含的是
利用了状态空间模型
这样一个优点
它主要是就
理论上它不需要模型
不需要模型
只需要这种力学数据
然后就得到这一步
历史数据可以分析
就可以了
你是历史数据
你的CCA这些东西要不要
右边CCA就是那个
这些后面都不需要了
这个不需要了
只是为了显示优点
对呀
那我就想问
既然它尽管有这样的优点
你并没有用它这样的优点
你尽管这里也是定义了状态变量
因为你这定义
状态变量说的是递阶
就用了叫递阶的
一个记忆这样一个量
你定义了这个状态变量
实际上是定义了
它的一个时间的
有限段的时间内的
一些输入输出信息
定位了这么一个状态变量
对吧
相当于定义的状态变量
就是你定义这样
也成其为状态变量
其实就是把咱们
输入输出信息组合在一起
来进行的这样的
一个贡献图的来进行计算
对吧
所以我刚才的问题就是
你跟咱们主要分析方法上
到底你的优点
就是你从方法上来说优点在哪儿
优点相当还是主要分析方法
也是相当利用过去数据
你没说啊
也是利用数据
然后这样就得到它的组元成分
没错
但是优点就在于它
CVA得到了
这个也可以称为它的CVA
CVA的组元成分
它的一个优点是在
在后续的这里的
后续将来数据的预测性能方面
基于这个CVA的规范状态
跟用将来的输出在预测做的话
它的预测误差会更小
这是一点
为什么
这是谁说的
这个是在文献当中都是
但是文献中
是不是依赖了状态方程
它隐含它就是相当于因为就是
可是你如果根本
没有辨识状态方程的话
你就没用到这个好处
对呀
刚才我理解错
我以为你是用到刚才方程
相当于如果这一步
再用后续状态空间的话
只需要
不是
你要用
你用到还是没用
相当于我这一步
就是显示状态空间
没有显示表示出来你用
不是你用
咱这个整个你这个计算
这个贡献图的这个计算方法
没用到这些方法
这是没显示
用到这个状态空间模型
不是没有显示和隐示的问题
不是
你别
就是用在计算
什么叫显示你还有隐示
隐含的它这个
说清楚
隐含这个状态就后面的得到共性
状态空间模型就很简单了
只是
不是
你现在不是显示和隐示的问题
这就是一个信息的利用
就是好比我们原来说
状态方程和输入输出方程的好处
就是里边更细致的
描述了系统内部的状态
你现在根本没有这一步
你怎么会用到它的好处
现在其实
你没去用状态方程
你也没辨识状态方程
你比如说他们有数据驱动的方法
他们就是不断的在
不辨识状态方程
但是他们把C和CVA
那些东西都辨识出来了
或者做一些分析
你现在这些东西似乎都没有去用
然后你到底是隐含在哪儿
其实是相当于用了
我是刚才做
但你在这上用的就有ABCDG
这几个参数矩阵用没用
这参数矩阵我没有用
对呀
用了这个用了这个
相当于这个
你用的那个
只是定义了一个状态的量
这个状态量
状态量
你的状态量在这里用了一个P
P的一个线性的组合
那么意味着实际上
是输入输出信息的一个组合
输入输出信息的一个组合
然后得到如果再进一步用
再得到ABCDG就很简单
就只需要
你在后端
还可以吗
我觉得你不是没有
我的问题不是说
它应于模型辨识的好处
我只是想问问他
我进行这个贡献图的计算的时候
跟我刚才问的问题
其实我以为你用到了
你要是没用到
我也还是不明白
你解释跟PCA的比较有什么好处
从方法上来说
你能简单的说一下吗
就是信息量
我理解这个相当于是
跟有没有得到这样的空间模型
其实信息量是已经是等同了的
那如果信息量等同
它怎么能得到
像这里的
走到规范状态就具有状态变量的
最小实现的特点
而且在预测方面
它就具有状态空间模型的特点
然后只要后续的ABCDG
只要经过一个
最小二乘辨识就可以得到ABCDG
你能不能说一下
你的CVA到底怎么算出来的
就知道了
因为你的论文上写的CVA完全是
是拿一状态空间方程
但你现在又说不用状态空间方程
我看他没用这个
他只是描述这么一个
应这个描述
但是你没计算时候没用ABCDG
计算这个
我具体过程是这么算的
就相当于有历史数据
在输出输入
然后这样子
然后介绍进一步的
通过这样一个棋子分解
他就是用的数据
还是用的棋子分解
这里还是构成这样一个
因为CVA是一个过程
只不过它是一个
对呀
这就跟PCA
是一个过程
过程是
但是这里主要是
在这里数据构造形式上面
这里有差别
可能它那个从就子空间辨识
他其实我
所以他没用ABC的那个
然后但是这些过程其实这些过程
就是基于就是状态子空间辨识
这部分是一样的
我觉得你要更清楚的解释这问题
可能得拿子空间的
那套概念去说了
那跟PCA确实有区别
但是你现在没讲清楚
就是这个挺像
就是子空间确实辨识出来的
是状态空间的模型
但没有明显的出现那些XR
就是区域数据驱动的
它不需要ABCD
你这个可能更多的是像那个
就是我觉得CVA你要这么说
它更多的像那个子空间那些概念
但是你现在没讲出来
这个事你是
不是说你这里是不是更多的
你把两个空间放在
就是残差空间的
还有它那个空间的
那样合在一起来做的
就是计算出来这样的
一个贡献图的这样的一个值
是不是要注意PCA的
单纯的一种T方的
或者有SPE的那样更好一些
我这些贡献主要是相当于是
有两个层面
第一个层面先基于CVA的
它的在状态空间
建模经济性方面得优点
这是第一层面
第二点就相当于
是把状态空间贡献值
和残差空间这两个结合起来
这两个再进行
就相当于进行一个加权值
然后各取了一部分
相当于有两个优点
加合在一起做这部分内容
这个里面的是应该
有个系统输入输出的PCA
只搞了这个
这些
只能你要给这样一个信息
就是他把输入输出数据
模型A只是和变量值
PCA做的不是输入输出吗
PCA也是把输入输出合在一块
现在他不明确这个来
他并没有明确了
这是输入这是输出
PCA没有明确的输入输出关系
因为这个如果是有这个
已经有这种模型了
实际上来说既然有这个模型
它能很好的描述系统内部的行为
这个时候我们
就不用基于数据的方法了
我们直接用基于模型的方法
就可以得到很好的
这种辨识或者计算
谢谢老师
行
我希望你能给我讲讲
更多的物理上的东西
但是(29:33)
行吧
我大概有一点
谢谢老师
我也不是这行的
那个随便问问
那个我看那个
我理解就是说好比
大家采用不同的方法来辨识
来故障诊断都拿一个
好比现在田纳西的
什么一个过程处理
这个系统这当然肯定是一个
比较典型的系统了
就是数据都是大家公开了
大家都获得同样的信息
然后完后看谁的方法能
更快的更准确的识别出来这问题
是大概是这么一个
就是寻找这种方法吧
我想问的就是说那有没有例外
好比说你怎么能论证说
你这方法假如不是这个系统
这系统变了
换成另外一个象了
你还能肯定比别的方法要强
能说明这一点吗就说
这个问题相当于
就是前提相当于是没有一种方法
是绝的好
就像刚才叶老师说的
如果这个方法是CVA是基于
能建立状态空间模型的前提下
那么它是比其他方法
比如PCA状态PCA是方法也好
我说的是这个意思
就说因为实际的那个过程控制
那是各种各样的什么都有
是吧
就说你这方法
一定要有这个普适性
就说
不是说仅仅
用于这个模型的时候
它比别的灵光
是吧
能不能说明这一点
它是具有普适性的
及时这个象改变了
依然是我这方法比较好
这能不能说明这一点
简单的说你现在不是benchmark
然后做的比别人好吗
然后benchmark以后换
老师
我没听清楚是什么
就是你做TE
这个benchmark验证的结果
有没有普适性
就是将来换一个其他的benchmark
或者说换一个
其他的真的象
你是不是也认为
你的方法会体现出
在这个例子上相比的优越性
你有这个信心吗
我觉得TE过程
它能作为各种故障监控技术
benchmark象的
我觉得它还是
有一定程度上的有普适性的
不是
你回答那个问题
就是你觉得换一个你还行不行
换一个设备
我觉得不要是差别太大
我觉得它的优点
还是会能保持的
如果换一个差别会很大的
应该是有共识性的
因为
因为你从你的这个方法提出来
把采用的这块
当然它不是免费的这一个
当然它需要有这样一个前进性
但是他描述在动态地方
比一般PCA是静态方法改造一步
要比它描述的更
就说它是一个完善的
从这个角度就说
于动态这方面的肯定要比PCA好
要如果要没有这样一种
那就完蛋了
这个我觉得是这样的
但是如果是稳定过程
就有可能(33:06)
它的优点是在动态
因为你用的这个模型
我不知道是不是还是限制系统
对不对
对不对
可能你这么说更好一点
它的这个你就benchmark
是一个什么条件benchmark
这一类的
这一类型我觉得你是OK的
别的东西有没有做过
不知道真的不知道
你就说你一个非线性系统
我就线下
你敢说吗
你敢说
相当于我主要是
其他的系统实验都没做过
我也不能这么说
所以你把这个benchmark
它本身的特点讲清楚就OK了
就是TE这个过程
第一要平稳
然后工作点不能乱变
也不是非线性
然后所有的扰动是白噪声
就是是有很强的假设在里边的
你只要换一个实际过程
就任何一个不一样的
这个就肯定不能说这些结论
而且这个本身故障诊断
你就都是就是问题驱动的
就是所谓各个真正到应用去
哪个问题跟哪个问题都差很多
是肯定得这结论
所以他发表了9篇文章
我又打个比方
那你发到3篇文章
那6篇文章在时间
关于实际系统的实现一下
可能是会不会更有意义
或者大家都关心的某一个问题
一个实际问题
比方那个东方化工厂的问题
我就告诉你这里面原来没有
那个变量没有什么东西
应该先安放或者怎么样怎么样
就说它本身不是有这个时间
把它到一半的时间
解决一个真正的
面向一个实际问题
能够提供一套方案出来
有这么一个规范出来
我觉得
不是
他是就说等于说
数据都是别人提供
已经是死的了
OK
我只是做数据处理
从这个数据里边找出一些特征来
没有那化工厂的数据
没有这个
行
那各位老师
咱们没有什么那个问题
我们就开始讨论他的那个决议
下面我代表答辩委员会
来宣读答辩决议
本论文研究基于数据驱动技术
和因果分析的工业过程监控问题
选题具有重要的理论和应用意义
论文作者在全面
综述研究现状的基础上
开展了系统深入的研究工作
取得了以下创新成果
一提出了一种基于CVA贡献图的
故障识别方法
分别在规范变量空间
和残差空间中定义了
基于统计量的故障贡献值
二提出了一种综合CV
A和费舍尔判别分析的
故障诊断方法
给出了CVA降维变化中
时滞阶次和降维阶次的确定方法
三提出了一种可以
同时确定模型阶次和参数的
多变量系统闭环辨识方法
并结合CVA方法提出了
基于因果分析的过程关联结构
故障监控方法
论文所提出方法的有效性和优点
在TE等仿真平台上得到了验证
论文工作表明
作者在控制理论与控制工程学科
具有坚实宽广的基础理论
和系统深入的专门知识
独立从事科学研究的工作能力强
论文立论正确结构严谨
思路清晰书写规范
答辩中阐述清楚回答问题正确
经答辩委员会无记名投票
一致同意通过论文答辩
一致建议授予江奔奔工学博士学位
并一致建议推荐为优秀博士学位论文
祝贺你
谢谢老师
-化工系-侯瑞君
--答辩人侯瑞君简介
--论文摘要
--答辩陈述
--问答及答辩结果
-化工系-靖宇
--答辩人靖宇简介
--论文摘要
--答辩陈述
--问答及答辩结果
-化工系-申春
--答辩人申春简介
--论文摘要
--答辩陈述
--问答及答辩结果
-热能系-周会
--答辩人周会简介
--论文摘要
--答辩陈述
--问答及答辩结果
-航院-李京阳
--答辩人李京阳简介
--论文摘要
--答辩陈述
--问答及答辩结果
--导师点评
--个人感言
-土木系-安钰丰
--答辩人安钰丰简介
--论文摘要
--答辩陈述
--问答及答辩结果
-机械系-刘向
--答辩人刘向简介
--论文摘要
--答辩陈述
--问答及答辩结果
-机械系-白鹏
--答辩人白鹏简介
--论文摘要
--答辩陈述
--问答及答辩结果
-自动化系-黄高
--答辩人黄高简介
--论文摘要
--答辩陈述
--问答及答辩结果
-自动化系-江奔奔
--答辩人江奔奔简介
--论文摘要
--答辩陈述
--问答及答辩结果
-自动化系-杨霄
--答辩人杨霄简介
--论文摘要
--答辩陈述
--问答及答辩结果
-自动化系-王圣尧
--答辩人王圣尧简介
--论文摘要
--答辩陈述
--问答及答辩结果
-交叉信息学院-顾钊铨
--答辩人顾钊铨简介
--论文摘要
--答辩陈述
--问答及答辩结果
--导师点评
--个人感言
-水利系-武明鑫
--答辩人武明鑫简介
--论文摘要
--答辩陈述
--问答及答辩结果
-微纳电子系-田禾
--答辩人田禾简介
--论文摘要
--答辩陈述
--问答及答辩结果
-工程物理系-付明
--答辩人付明简介
--论文摘要
--答辩陈述
--问答及答辩结果
-工程物理系-刘飞翔
--答辩人刘飞翔简介
--论文摘要
--答辩陈述
-材料学院-李洒
--答辩人李洒简介
--论文摘要
--答辩陈述
--问答及答辩结果
-医学院-江力玮
--答辩人江力玮简介
--论文摘要
--答辩陈述
--问答及答辩结果
-医学院-左腾
--答辩人左腾简介
--论文摘要
--答辩陈述
--问答及答辩结果
-法学院-王一超
-- 答辩人王一超简介
--论文摘要
--答辩陈述
--问答及答辩结果