基于局部熵双子空间的多模态过程故障检测

为了提高非高斯工业过程的检测性能,提出局部熵双子空间(LEDS)的多模态过程故障检测方法.运用局部概率密度估计构建数据的局部熵矩阵,消除数据的多模态特性.用Kolmogorov-Smirnov(KS)检验局部熵数据中变量的正态分布特性,对高斯分布和非高斯分布的数据分别建立基于PCA的高斯子空间和ICA的非高斯子空间故障检测模型.利用Bayesian决策将检测结果转化成发生故障概率的形式,将检测结果组合成最终的统计信息,进行故障检测.将该方法应用于数值例子和田纳西–伊斯曼多模态过程,仿真结果表明,该方法在误报率较低的情况下,故障检测率最高,优于PCA、局部熵PCA(LEPCA)和局部熵ICA(L...

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 37; no. 9; pp. 2020 - 2028
Main Authors 郭金玉, 刘玉超, 李元
Format Journal Article
LanguageChinese
Published 沈阳化工大学信息工程学院,辽宁沈阳110142 01.09.2020
Subjects
局部熵
KS检验
多模态过程
Bayesian决策
局部概率密度
Online AccessGet full text
ISSN1000-8152
DOI10.7641/CTA.2020.90297

Cover

More Information
Summary:为了提高非高斯工业过程的检测性能,提出局部熵双子空间(LEDS)的多模态过程故障检测方法.运用局部概率密度估计构建数据的局部熵矩阵,消除数据的多模态特性.用Kolmogorov-Smirnov(KS)检验局部熵数据中变量的正态分布特性,对高斯分布和非高斯分布的数据分别建立基于PCA的高斯子空间和ICA的非高斯子空间故障检测模型.利用Bayesian决策将检测结果转化成发生故障概率的形式,将检测结果组合成最终的统计信息,进行故障检测.将该方法应用于数值例子和田纳西–伊斯曼多模态过程,仿真结果表明,该方法在误报率较低的情况下,故障检测率最高,优于PCA、局部熵PCA(LEPCA)和局部熵ICA(LEICA)方法.
ISSN:1000-8152
DOI:10.7641/CTA.2020.90297