文献类型：期刊文章

作　　者：张成[1] 李秀玉[1] 逄玉俊[1] 李元[1]

机构地区：[1]沈阳化工大学技术过程故障诊断与安全性研究中心,辽宁沈阳110142

出　　处：《测控技术》

基　　金：国家自然科学基金资助项目(60774070;61174119);国家自然科学基金重点课题资助项目(61034006)

年　　份：2014

卷　　号：33

期　　号：9

起止页码：13-17

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD_E2013_2014、ZGKJHX、核心刊

摘　　要：工业过程数据变量呈现非线性、非高斯性与变量之间分布不均等问题。针对数据变量分布不均等问题,提出利用高斯混合模型GMM(Gaussian mixture model),将马氏距离(Mahalanobis distance)与kNN(k nearest neighbors)相结合的故障检测方法,即:基于GMM的马氏距离kNN故障检测方法(GMM—MDkNN)。首先利用高斯混合模型GMM将训练样本数据分为K类,然后利用相应数据类的变量协方差信息计算样本间的马氏距离,得到样本的k近邻样本马氏距离和,并将其作为故障检测的指标。将此方法应用到TE连续工业过程监测实例中,结果表明了该方法的有效性。

关 键 词：GMM KNN 马氏距离  故障检测

分 类 号：TP277]