基于统计模量和局部近邻标准化的局部离群因子故障检测方法 被引量：12

1

作者 冯立伟 张成 +1 位作者 李元 谢彦红 《计算机应用》 CSCD 北大核心 2018年第4期965-970,共6页

针对多工况过程数据的批次不等长、中心漂移、工况结构不同等特点,提出基于统计模量和局部近邻标准化的局部离群因子故障检测方法(SP-LNS-LOF)。首先计算每个训练样本的统计模量;然后使用局部近邻集标准化统计模量,得到标准样本;最后计... 针对多工况过程数据的批次不等长、中心漂移、工况结构不同等特点,提出基于统计模量和局部近邻标准化的局部离群因子故障检测方法(SP-LNS-LOF)。首先计算每个训练样本的统计模量;然后使用局部近邻集标准化统计模量,得到标准样本;最后计算标准化样本的局部离群因子,并将其作为检测指标,将局部离群因子的分位点作为检测控制限,当在线样本的局部离群因子大于检测控制限时,判定其为故障;否则为正常。统计模量提取过程的主要信息,且消除批次不等长的影响;局部近邻标准化克服工况中心漂移和工况结构不同的困难;局部离群因子度量样本的相似度,实现故障样本和正常样本的分离。进行了半导体蚀刻过程故障检测仿真实验,实验结果表明SP-LNSLOF检测出了全部21个故障,比主元分析(PCA)、核主元分析(k PCA)、基于k近邻的故障检测(FD-k NN)、局部离群因子(LOF)方法具有更高的检测率。理论分析和仿真实验说明SP-LNS-LOF方法适用于多工况过程故障检测,具有较高的故障检测效率,能保证多工况生产过程的安全性。 展开更多

关键词 统计模量 局部近邻标准化 局部离群因子 多工况 半导体过程

在线阅读 下载PDF 职称材料

基于局部邻域标准化策略的多工况过程故障检测 被引量：3

2

作者 郭红杰 徐春玲 侍洪波 《上海交通大学学报》 EI CAS CSCD 北大核心 2015年第6期868-875,883,共9页

为满足实际工业过程中的生产需求,复杂的化工过程往往会包含多种运行模态,而且过程数据不再单一地服从高斯分布或非高斯分布.过程数据的多工况分布特性以及同一工况下数据分布的不确定性使得传统的多元统计方法无法得到满意结果.针对复... 为满足实际工业过程中的生产需求,复杂的化工过程往往会包含多种运行模态,而且过程数据不再单一地服从高斯分布或非高斯分布.过程数据的多工况分布特性以及同一工况下数据分布的不确定性使得传统的多元统计方法无法得到满意结果.针对复杂化工过程中多工况以及复杂数据分布的问题,提出一种基于局部邻域标准化策略(Local Neighborhood Standardization,LNS)的故障检测方法.首先,运用局部邻域标准化策略对历史数据集进行预处理,并充分考虑到邻域密度,再通过局部密度因子(Local Density Factor,LDF)构造监控统计量,进而对工业过程数据进行在线故障检测,最后通过数值例子和Tennessee Eastman(TE)过程验证本文方法的有效性. 展开更多

关键词 多工况过程监控 局部密度因子 局部邻域标准化

在线阅读 下载PDF 职称材料

基于局部近邻标准化和动态主元分析的故障检测策略 被引量：13

3

作者 张成 郭青秀 +1 位作者 冯立伟 李元 《计算机应用》 CSCD 北大核心 2018年第9期2730-2734,共5页

针对工业过程的动态和多模态特性,提出一种基于局部近邻标准化(LNS)和动态主元分析(DPCA)相结合的故障检测方法(LNS-DPCA)。首先,在训练数据集中寻找样本的K近邻集;然后,应用K近邻集的均值与标准差对当前样本进行标准化处理;最后,在新... 针对工业过程的动态和多模态特性,提出一种基于局部近邻标准化(LNS)和动态主元分析(DPCA)相结合的故障检测方法(LNS-DPCA)。首先,在训练数据集中寻找样本的K近邻集;然后,应用K近邻集的均值与标准差对当前样本进行标准化处理;最后,在新的数据集中应用DPCA方法确定T^2和SPE控制限进行故障检测。LNS方法能够消除过程的多模态特征,使得标准化后数据近似服从多元高斯分布,且保持过程离群点偏离正常样本轨迹;而结合DPCA方法则能够提高对具有动态特性过程的监视性能。利用数值例子和青霉素发酵过程进行仿真,并将测试结果与主元分析法(PCA)、DPCA、K近邻故障检测(FD-KNN)等方法进行对比分析,验证了LNS-DPCA方法的有效性。 展开更多

关键词 局部近邻标准化 动态主元分析 多模态 青霉素发酵过程 故障检测

在线阅读 下载PDF 职称材料

局部近邻标准化偏最小二乘的多模态间歇过程故障检测 被引量：8

4

作者 李元 马雨含 +1 位作者 张成 冯立伟 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第5期1109-1117,共9页

本文针对多模态间歇过程数据多中心和模态方差差异明显的问题,提出了一种基于局部近邻标准化偏最小二乘方法.首先,采用统计模量方法处理间歇过程数据,再利用局部近邻标准化方法将统计模量后的训练数据进行高斯化处理,建立偏最小二乘监... 本文针对多模态间歇过程数据多中心和模态方差差异明显的问题,提出了一种基于局部近邻标准化偏最小二乘方法.首先,采用统计模量方法处理间歇过程数据,再利用局部近邻标准化方法将统计模量后的训练数据进行高斯化处理,建立偏最小二乘监控模型,确定控制限;然后,同样对统计模量后的测试数据进行局部近邻标准化处理,再计算测试数据的高斯偏最小二乘监控指标,进行过程监视及故障检测.最后,通过数值实例和青霉素发酵过程验证方法有效性.实验结果表明所提方法解决了故障样本近邻集跨模态问题,对多模态数据具有更好的故障检测能力. 展开更多

关键词 局部近邻标准化 偏最小二乘 多模态间歇过程 故障检测

在线阅读 下载PDF 职称材料

基于局部邻域标准化和核主元分析的故障检测 被引量：2

5

作者 曾静 李磊 李元 《计算机应用与软件》 北大核心 2022年第10期59-63,86,共6页

针对工业过程的多模态和非线性特性,提出一种基于局部邻域标准化(Local Nelghbor Standardization,LNS)和核主元分析(Kernel Principa Component Analysis,KPCA)相结合的故障检测方法(LNS-KPCA)。通过计算训练数据集中样本之间的距离来... 针对工业过程的多模态和非线性特性,提出一种基于局部邻域标准化(Local Nelghbor Standardization,LNS)和核主元分析(Kernel Principa Component Analysis,KPCA)相结合的故障检测方法(LNS-KPCA)。通过计算训练数据集中样本之间的距离来确定每一个样本的最近K近邻集合,然后利用该K个近邻集的均值和标准差对当前样本进行标准化处理,以消除过程数据的多分布特征,使得标准化后的数据服从或近似服从同一正态分布,结合核主元分析能够处理非线性过程的特征,在标准化后的数据集中应用KPCA确定T~2和SPE控制限进行故障检测。在非线性数值例子和青霉素发酵过程中进行了仿真研究,并与主元分析(Principal Component Analysis,PCA)、KPCA和K近邻故障检测(FD-KNN)等方法进行对比分析验证了该方法的有效性。 展开更多

关键词 局部邻域标准化 核主成分分析 青霉素发酵过程 故障检测 多模态

在线阅读 下载PDF 职称材料

基于多尺度时间卷积网络的多模态过程故障诊断方法 被引量：2

6

作者 阳少杰 里鹏 +1 位作者 李帅 周晓锋 《计算机应用与软件》 北大核心 2024年第6期108-114,127,共8页

针对工业过程故障诊断面临的多模态、多尺度等混合特性问题,提出一种基于多尺度时间卷积网络的故障诊断方法。考虑到过程数据的多模态分布特性,采用基于余弦相似度的局部近邻标准化方法处理过程数据以消除多模态特性;针对过程数据的多... 针对工业过程故障诊断面临的多模态、多尺度等混合特性问题,提出一种基于多尺度时间卷积网络的故障诊断方法。考虑到过程数据的多模态分布特性,采用基于余弦相似度的局部近邻标准化方法处理过程数据以消除多模态特性;针对过程数据的多尺度特性,使用变分模态分解获取数据的多尺度表示,对各分量构建采用注意力机制的时间卷积网络模型提取特征,并融合多尺度特征,以实现多尺度特征提取;在特征提取的基础上使用全连接层实现故障诊断。通过田纳西-伊斯曼(Tennessee-Eastman,TE)过程仿真实验验证了该方法的有效性和可行性。 展开更多

关键词 故障诊断 多模态过程 时间卷积网络 多尺度特征提取 局部近邻标准化

在线阅读 下载PDF 职称材料

基于LSNPE算法的化工过程故障检测 被引量：24

7

作者 宋冰 马玉鑫 +1 位作者 方永锋 侍洪波 《化工学报》 EI CAS CSCD 北大核心 2014年第2期620-627,共8页

复杂化工过程通常具有多个操作模态,而且采集的数据不服从单一的高斯或非高斯分布。针对化工过程的多模态和复杂数据分布问题,将局部标准化(local standardized,LS)策略应用于邻域保持嵌入(neighborhood preserving embedding,NPE)算法... 复杂化工过程通常具有多个操作模态,而且采集的数据不服从单一的高斯或非高斯分布。针对化工过程的多模态和复杂数据分布问题,将局部标准化(local standardized,LS)策略应用于邻域保持嵌入(neighborhood preserving embedding,NPE)算法,提出了一种新的基于局部标准化邻域保持嵌入(local standardized neighborhood preserving embedding,LSNPE)算法的故障检测方法。首先,使用LSNPE算法提取高维数据的低维子流形,进行维数约减,同时保持邻域结构不变。其次,通过特征空间中样本的局部离群因子(local outlier factor,LOF)构造监控统计量并确定其控制限。相较于监控多模态化工过程的多模型策略,提出的LSNPE方法不需要过程先验知识的支持,只需建立一个全局的监控模型。最后,通过数值仿真及Tennessee Eastman(TE)过程仿真研究验证了本文提出方法的有效性。 展开更多

关键词 局部标准化 邻域保持嵌入算法 局部离群因子 多模态过程系统 监控模型

在线阅读 下载PDF 职称材料

一种基于统计的图像边缘检测方法 被引量：1

8

作者 陈永甜 赵春三 +1 位作者 杨桄 张生 《计算机应用研究》 CSCD 北大核心 2007年第8期204-205,208,共3页

提出了一种基于统计的图像边缘检测方法。它首先通过计算图像中每一点的梯度向量以及方差—协方差矩阵,然后对每一点的梯度向量进行非极大值抑制,最后使用统计的方法求出局部标准化梯度阈值来检测图像的真实边缘。通过与经典的边缘算子... 提出了一种基于统计的图像边缘检测方法。它首先通过计算图像中每一点的梯度向量以及方差—协方差矩阵,然后对每一点的梯度向量进行非极大值抑制,最后使用统计的方法求出局部标准化梯度阈值来检测图像的真实边缘。通过与经典的边缘算子相比较,该方法不仅能很好地检测出图像的真实边缘,而且有效地抑制了虚假边缘的产生,取得了良好的效果。 展开更多

关键词 局部标准化阈值 图像平滑 边缘检测 非极大值抑制

在线阅读 下载PDF 职称材料

一种不等长的多模态间歇过程故障检测方法 被引量：13

9

作者 郭金玉 袁堂明 李元 《化工学报》 EI CAS CSCD 北大核心 2016年第7期2916-2924,共9页

提出一种不等长的多模态间歇过程故障检测方法。首先,运用局部加权算法对不等长批次数据进行预处理。在训练样本中确定不等长数据的最大可保留长度,利用k近邻信息,通过加权重构出不等长批次缺失的数据点。其次,对等长的训练集构造局部... 提出一种不等长的多模态间歇过程故障检测方法。首先,运用局部加权算法对不等长批次数据进行预处理。在训练样本中确定不等长数据的最大可保留长度,利用k近邻信息,通过加权重构出不等长批次缺失的数据点。其次,对等长的训练集构造局部近邻标准化矩阵,运用K-means算法进行模态聚类,使用局部离群因子方法确定第一控制限,并剔除离群样本。最后,对各个模态建立MPCA模型并确定第二控制限。根据各个模态控制限的匹配系数计算统一的统计量和控制限,在统一的控制限下进行多模态故障检测。将提出方法应用于半导体工业过程,仿真结果表明,与传统的故障检测算法相比,本文算法提高了故障检测率,验证了该方法的有效性。 展开更多

关键词 多模态过程 故障检测 不等长数据 主元分析 算法 模型 局部离群因子 局部近邻标准化矩阵

在线阅读 下载PDF 职称材料

基于IMDS-DLNS方法的工业过程故障检测 被引量：1

10

作者 冯立伟 孙立文 +1 位作者 顾欢 李元 《河北科技大学学报》 CAS 北大核心 2022年第3期277-284,共8页

针对多维尺度变换(multidimensional scaling,MDS)方法对高维数据进行维数约简时,新样本缺少映射矩阵无法进行低维嵌入的问题,提出了增量式多维尺度变换(incremental multidimensional scaling,IMDS)方法。首先,引入双重局部近邻标准化(... 针对多维尺度变换(multidimensional scaling,MDS)方法对高维数据进行维数约简时,新样本缺少映射矩阵无法进行低维嵌入的问题,提出了增量式多维尺度变换(incremental multidimensional scaling,IMDS)方法。首先,引入双重局部近邻标准化(dual local nearest neighbor standardization,DLNS)技术以解决IMDS方法降维后数据仍然具有多中心、方差差异明显等问题;其次,采用Hotelling T^(2)统计量对过程进行监控,组成增量式多维尺度变换和双重局部近邻标准化的故障检测方法(IMDS-DLNS);最后,通过数值模拟过程和青霉素发酵过程,将IMDS-DLNS方法分别与PCA,KPCA和FD-KNN等方法作对比分析。结果表明,IMDS-DLNS对比其他方法有更高的故障检测率。IMDS-DLNS方法对多变量、多模态过程具有良好的故障检测能力,能够保障产品质量和生产的安全性,可为工业过程故障检测研究提供参考。 展开更多

关键词 自动控制技术其他学科 多模态 增量多维尺度变换 双重局部近邻标准化 故障检测

在线阅读 下载PDF 职称材料

基于改进NPE算法的间歇过程故障检测

11

作者 赵小强 张和慧 《兰州理工大学学报》 CAS 北大核心 2020年第2期86-91,共6页

由于间歇过程具有多模态和数据高斯与非高斯混合的特征,往往会造成故障检测准确率不高,影响监控性能,因此提出一种改进的NPE算法.该算法首先通过寻找每一个样本的局部k近邻集,对局部近邻求均值与标准差进行标准化,生成单一模态并使标准... 由于间歇过程具有多模态和数据高斯与非高斯混合的特征,往往会造成故障检测准确率不高,影响监控性能,因此提出一种改进的NPE算法.该算法首先通过寻找每一个样本的局部k近邻集,对局部近邻求均值与标准差进行标准化,生成单一模态并使标准化后的数据近似服从多元高斯分布;然后结合邻域保持嵌入算法(neighborhood preserving embedding,NPE)对新的数据进行降维,对数据样本近邻间的局部信息与样本信息充分挖掘,提取数据的局部结构信息;最后利用支持向量数据描述(support vector data description,SVDD)构建监控统计量Ω与控制限进行故障检测,从而实现比标准统计量SPE检测更快更好的效果.通过在青霉素发酵仿真实验平台进行测试,与NPE的SPE、Ω的统计量进行两类故障的对比,验证了本文提出的LNSNPE-SVDD算法的有效性. 展开更多

关键词 间歇过程 过程监控 局部近邻标准化 多模态

在线阅读 下载PDF 职称材料

PCA预训练的卷积神经网络目标识别算法 被引量：26

12

作者 史鹤欢 许悦雷 +2 位作者 马时平 李岳云 李帅 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2016年第3期161-166,共6页

针对卷积神经网络对合成孔径雷达目标识别训练在标签数据不足,平移、旋转以及复杂情况下的识别率不高问题,提出一种优化的卷积神经网络目标识别算法.为克服标签数据不足,利用主成分分析非监督训练一组特征集初始化卷积神经网络;为提高... 针对卷积神经网络对合成孔径雷达目标识别训练在标签数据不足,平移、旋转以及复杂情况下的识别率不高问题,提出一种优化的卷积神经网络目标识别算法.为克服标签数据不足,利用主成分分析非监督训练一组特征集初始化卷积神经网络;为提高训练速度,同时避免陷入过拟合,采用线性修正函数作为非线性函数;为增强鲁棒性,同时减小下采样对特征表示的影响,引入概率最大化下采样的方式,并在卷积层后对特征进行局部对比度标准化.实验表明,与传统的卷积神经网络相比,该算法对合成孔径雷达目标具有更高的识别率,并对图像各种形变以及复杂背景具有较好的鲁棒性. 展开更多

关键词 卷积神经网络 主成分分析 概率最大化下采样 线性修正函数 局部对比度标准化

在线阅读 下载PDF 职称材料

基于多模态数据全信息的概率主成分分析故障检测研究 被引量：18

13

作者 李元 张昊展 唐晓初 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第2期75-85,共11页

针对工业过程复杂的数据分布特性,本文提出了一种基于局部近邻标准化(LNS)的概率主成分分析(PPCA)故障检测方法(LNSPPCA)来解决由于过程数据的多模态特性和不确定性所引起的故障检测效果不理想问题。首先,通过LNS解决数据多模态问题,使... 针对工业过程复杂的数据分布特性,本文提出了一种基于局部近邻标准化(LNS)的概率主成分分析(PPCA)故障检测方法(LNSPPCA)来解决由于过程数据的多模态特性和不确定性所引起的故障检测效果不理想问题。首先,通过LNS解决数据多模态问题,使标准化后数据尽可能的服从单一高斯分布,然后,使用PPCA方法从概率的角度对数据进行分析,能够考虑到数据的随机性,从而更真实的描述数据,提取更加全面有价值的信息,有效的在复杂的数据分布过程中对故障进行检测。因此,LNSPPCA方法可以有效提高多模态过程复杂数据分布的工业过程故障检测能力。利用数值例子和TE过程进行应用实验,并将测试结果与主成分分析法(PCA)、PPCA方法进行对比,验证了LNSPPCA方法的有效性。 展开更多

关键词 多模态 全信息 局部近邻标准化 概率主成分分析 故障检测

在线阅读 下载PDF 职称材料

基于改进偏最小二乘法的多模态过程故障检测方法 被引量：9

14

作者 李元 吴昊俣 +1 位作者 张成 冯立伟 《计算机应用》 CSCD 北大核心 2018年第12期3601-3606,共6页

针对传统的数据驱动方法偏最小二乘法(PLS)中存在的多模态数据故障检测效果不佳的问题,提出了一种新的故障检测方法——基于局部近邻标准化(LNS)的PLS(LNS-PLS)。首先,利用LNS方法对原始数据进行高斯化处理,在此基础上建立PLS的监控模型... 针对传统的数据驱动方法偏最小二乘法(PLS)中存在的多模态数据故障检测效果不佳的问题,提出了一种新的故障检测方法——基于局部近邻标准化(LNS)的PLS(LNS-PLS)。首先,利用LNS方法对原始数据进行高斯化处理,在此基础上建立PLS的监控模型,确定T^2和平方预测误差(SPE)的控制限;其次,对测试数据同样进行LNS标准化处理,再计算出测试数据的PLS监控指标来进行过程监视及故障检测,解决了PLS中无法处理多模态的问题。将所提方法应用于数值例子和青霉素生产过程,并将其测试结果与主成分分析(PCA)、K最近邻(KNN)、PLS等方法进行对比分析。实验结果表明,所提方法的故障检测效果优于PLS、KNN、PCA,该方法在分类及多模态过程故障检测方面有较高的准确性。 展开更多

关键词 偏最小二乘法 局部近邻标准化 多模态过程 故障检测

在线阅读 下载PDF 职称材料