文献类型：期刊文章

作　　者：冯立伟[1,2] 张成[1,2] 李元[2] 谢彦红[1,2]

FENG Li-wei;ZHANG Cheng;LI Yuan;XIE Yan-hong(College of Science,Shenyang University of Chemical Technology,Shenyang Liaoning 110142,China;Research Center for Technical Process Fault Diagnosis and Safety,Shenyang University of Chemical Technology,Shenyang Liaoning 110142,China)

机构地区：[1]沈阳化工大学数理系,辽宁沈阳110142 [2]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：《控制理论与应用》

基　　金：国家自然科学基金重点项目(61490701);国家自然科学基金项目(61673279);辽宁省自然科学基金项目(2015020164)资助~~

年　　份：2019

卷　　号：36

期　　号：4

起止页码：553-560

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：工业产品的生产经常需要在不同模态间切换,多模态过程数据具有多中心和方差差异大等特点.针对多模态过程数据的特征,通过构造标准距离,提出了基于标准距离k近邻的故障检测策略(SD–kNN).首先在标准距离度量下计算样本与其前k近邻的距离;其次将近邻距离的平方和的均值作为样本的统计量D^2;最后,根据D^2的分布确定检测方法的控制限,当新样本的D^2大于控制限时,判定其为故障,否则为正常.标准距离使不同模态中样本间的近邻距离能够在同一尺度下度量,使得SD–kNN的D^2能够准确反映样本间的相似程度.进行了数值模拟过程和青霉素发酵过程故障检测实验. SD–kNN方法检测出了数值模拟过程的全部故障和青霉素过程95%以上的故障,相对于PCA, kPCA, FD–kNN等方法具有更高的故障检测率. SD–kNN继承了FD–kNN对一般多模态过程的故障检测能力,还能够对方差差异显著的多模态过程进行故障检测.

关 键 词：主元分析 核主元分析 K近邻 故障检测 多模态

分 类 号：TP277]