基于GMM的多工况过程监测方法

作者：许仙珍; 谢磊; 王树青

来源：计算机与应用化学, 2010, (01): 17-22.

DOI：10.16866/j.com.app.chem2010.01.004

• 多工况
• 高斯混合模型
• 故障检测
• 统计监控 multiple mode
• gaussian mixture models
• fault detection
• statistical monitoring

传统基于主元分析的故障检测方法大多假设工业过程只运行在1个稳定工况,数据服从单一的高斯分布。若这些方法直接用于多工况过程则将会产生大量的误检。为此,本文提出了1种基于高斯混合模型的多工况过程监测方法。首先利用PCA变换对过程数据集进行降维,在主元空间建立高斯混合模型对过程数据进行聚类,自动获取工况数和相关分布特性。然后对每个工况建立主元分析(principal component analysis,PCA)模型来描述整个运行过程数据分布的统计特性。最后在过程监测中,根据监测样本属于各个工况的概率构造综合统计量,实现对多工况过程的故障检测。TE过程的仿真结果表明,本文提出的方法与传统的PCA方法...

• 单位
  工业控制技术国家重点实验室; 浙江大学; 常熟理工学院