科研之友
微信
新浪微博
Facebook
分享链接
摘要
复杂工业过程存在明显的高斯/非高斯特性,过程对象受到外在以及本身状态因素影响导致过程数据带有随机不确定性。基于学生t-分布可以通过调整自由度参数逼近高斯分布和非高斯分布,提出了一种变分推理的概率高斯/非高斯成分抽取统一框架。该方法使用贝叶斯变分推理方法学习模型参数,同时从观测数据抽取高斯成分和非高斯成分。与传统方法不同,提出方法不仅可以自动调整非高斯成分数量,而且考虑了各个维度的噪声水平,具有较好的鲁棒性。在独立成分隐空间、高斯成分隐空间和残差空间构建了故障检测统计量。TE仿真平台重点研究故障3和故障9的检测效果,并与其他方法进行了对比,结果验证了所提算法的有效性。
- 单位
