科研之友
微信
新浪微博
Facebook
分享链接
摘要
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.
- 单位
