[发明专利]基于样本多模态分类的分层式非高斯算法的故障检测方法

摘要

本发明公开了一种基于样本多模态分类的分层式非高斯算法的故障检测方法。针对工业生产过程，采集获得样本训练数据和样本待检测数据，通过循环迭代的方式将样本数据投影到DLNGM模型，然后利用DLNGM算法计算相应的预测残差，最后根据残差将多模态过程进行分类，进行故障检测。本发明同时考虑变量之间的相关性和样本之间的相关性，提高了噪声故障检测的效果。

主权项

1.一种基于样本多模态分类的分层式非高斯算法的故障检测方法，其特征在于，包括以下步骤：(1)通过传感器采集工业生产过程正常情况下的输入变量x和输出变量y的数据，并进行标准化处理，使得数据的均值为0，方差为1，作为样本训练数据，通过减法聚类方法计算得到初始分类个数；(2)通过传感器采集工业生产过程实际情况下的输入变量和输出变量的数据并进行标准化处理，使得数据的均值为0，方差为1，作为样本待检测数据；(3)根据步骤(1)得到的初始分类个数，将样本训练数据进行随机初始分类，得到初始分类后的样本训练数据，并投影在建立的分层式非高斯算法(DLNGM)模型，通过循环不断将分类后的样本训练数据投影到DLNGM模型，计算残差平方和，根据平方和分类样本训练数据，反复迭代直到分类结果不再发生变化，得到最终的样本训练数据的分类结果；(4)针对样本待检测数据，按照样本训练数据的分类结果进行相同的分类；(5)利用样本训练数据和样本待检测数据，计算控制限和统计量进行故障检测。