This paper presents the use of Support Vector Machines (SVM) methodology for fault detection and diagnosis. Two approaches are addressed: the SVM for classification (Support Vector Classification-SVC) and SVM for regression (Support Vector Regression-SVR). A comparison was made between the two techniques through the study of a reactor of cyclopentenol production. In the case studied, different fault scenarios were introduced and it was evaluated which technique was able to detect and diagnose them. Finally, a comparison was made between the fault detection methodologies based on SVM and Dynamic Principal Component Analysis (DPCA) based detection techniques for a jacketed CSTR.
RESUMO-As máquinas de vetores de suporte são uma poderosa ferramenta de reconhecimento de padrões. Elas representam um conjunto de metodologias do aprendizado supervisionado estatístico que é usado para classificação e análise de regressão de dados. Os vetores de suporte utilizam um hiperplano com máxima margem para separar as diferentes classes de dados. Este trabalho apresenta um sistema de detecção que utiliza as máquinas de vetores de suporte para detectar falhas em processos e realizar o diagnóstico das mesmas. A metodologia baseia-se em informações históricas quantitativas e qualitativas com máquinas de vetores de suporte treinadas e sintonizadas pelo método da evolução diferencial. O sistema de detecção de falhas foi avaliado em processos químicos para verificar a adequabilidade da proposta para a detecção e classificação de falhas com dados históricos e qualitativos. Métricas de desempenho do sistema apontam para a eficiência do sistema de detecção nos cenários investigados.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.