针对工业过程微小故障以及工业过程数据普遍存在的非线性问题,提出基于近邻指标累积和(Cumulative Sum of Neighbor Statistic,CUSUM-NS)的故障检测方法。使用互信息主元分析(Mutual Information Principal Component Analysis,MIPCA)...针对工业过程微小故障以及工业过程数据普遍存在的非线性问题,提出基于近邻指标累积和(Cumulative Sum of Neighbor Statistic,CUSUM-NS)的故障检测方法。使用互信息主元分析(Mutual Information Principal Component Analysis,MIPCA)对训练数据降维,提取互信息主元构成新样本空间,对降维后的新样本空间计算k近邻(k-Nearest-Neighbor,kNN)距离平方和指标,充分提取过程数据的非线性特征。利用累积和(CUSUM)方法对近邻距离平方和进行累积,捕捉过程数据的微小变化。通过TE(Tennessee Eastman)过程进行仿真,结果验证了所提方法有效性。展开更多
文摘针对工业过程微小故障以及工业过程数据普遍存在的非线性问题,提出基于近邻指标累积和(Cumulative Sum of Neighbor Statistic,CUSUM-NS)的故障检测方法。使用互信息主元分析(Mutual Information Principal Component Analysis,MIPCA)对训练数据降维,提取互信息主元构成新样本空间,对降维后的新样本空间计算k近邻(k-Nearest-Neighbor,kNN)距离平方和指标,充分提取过程数据的非线性特征。利用累积和(CUSUM)方法对近邻距离平方和进行累积,捕捉过程数据的微小变化。通过TE(Tennessee Eastman)过程进行仿真,结果验证了所提方法有效性。
