[发明专利]一种基于稀疏GMM的多模过程质量相关的故障诊断方法

摘要

本发明公开了一种基于稀疏GMM的多模过程质量相关的故障诊断方法，利用稀疏表示获取高质量的系数权重矩阵，并融合流形结构信息，构建稀疏高斯混合模型，使得高斯成分的概率分布沿着数据流形结构平滑变化，以及高斯成分的局部近邻样本之间相似，自动地获取高斯成分的数目，对噪音和离群点具有鲁棒性，获得质量相关的故障检测，同时依据已检测故障的受控近邻，定位故障发生的根源变量。与高斯混合模型监测方法相比，本发明方法表征了过程数据局部流形结构和数据的稀疏关系，获取了样本之间的局部相似关系，反映多模态过程的变化情况。因此，本发明所涉及的稀疏GMM方法可以取得更好的故障检测效果和准确定位故障发生的根源变量。

主权项

1.一种基于稀疏GMM的多模过程质量相关的故障诊断方法，其特征在于，包括以下步骤：步骤A、建立过程变量与质量变量之间的稀疏表示模型，获得样本的稀疏重构权重矩阵S；步骤B、构建稀疏高斯混合模型：根据稀疏表示模型获得的稀疏重构权重矩阵S中的稀疏系数，形成高斯成分周围近邻样本相似性的约束条件，自适应选择训练样本的邻域范围，获取了高斯成分相似的条件概率分布，保持了数据流形结构的局部性和稀疏性，自动地识别高斯成分数目；步骤C、构建稀疏GMM监测指标，利用稀疏高斯混合模型的输出结果和每个模态的局部马氏距离设计故障检测与诊断指标，融合过程全局输出和局部信息，评估多模态过程的运行状态。