[发明专利]消去时序相关性的多模型动态PCA故障监测方法在审
| 申请号： | 201911032490.2 | 申请日： | 2019-10-28 |
| 公开（公告）号： | CN110795695A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 鄂东辰;董兴华;王宝中;郑直;王莹;龙海洋 | 申请（专利权）人： | 华北理工大学 |
| 主分类号： | G06F17/18 | 分类号： | G06F17/18;G06F17/16;G06K9/00 |
| 代理公司： | 13103 唐山永和专利商标事务所 | 代理人： | 魏伟 |
| 地址： | 063210 河北省唐山*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发提供一种消去时序相关性的多模型动态PCA故障监测方法，其过程是：首先，对批次性正常生产过程的监测数据进行标准化处理；其次，分别对一个批次内每个时刻建立时间序列模型，通过减法运算消去相邻时刻数据的时序相关性；然后，对批次内每个时刻的随机分布数据分别进行PCA特征提取；最后，基于提取的关系特征构造高阶统计量，通过高阶统计量与其控制限对比实现故障监测，具体演算过程分为建模和监测两个阶段，建模阶段包含简单随机分布数据生成和PCA特征提取两过程，本发明是非时变消去时序相关动态PCA的补充，它使PCA理论体系更架完善，为基于数据统计的非平稳动态工作过程故障监测奠定基础。 | ||
| 搜索关键词： | 时序 故障监测 消去 高阶统计量 随机分布 特征提取 动态工作过程 时间序列模型 正常生产过程 标准化处理 关系特征 监测数据 减法运算 建模阶段 理论体系 数据生成 数据统计 相邻时刻 演算过程 控制限 建模 时变 监测 补充 | ||
【主权项】：
1.一种消去时序相关性的多模型动态PCA故障监测方法，其过程是：首先,对批次性正常生产过程的监测数据进行标准化处理；其次，分别对一个批次内每个时刻建立时间序列模型，通过减法运算消去相邻时刻数据的时序相关性；然后，对批次内每个时刻的随机分布数据分别进行PCA特征提取；最后，基于提取的关系特征构造高阶统计量，通过高阶统计量与其控制限对比实现故障监测，/n具体演算过程分为建模和监测两个阶段，建模阶段包含简单随机分布数据生成和PCA特征提取两过程，/n一建模阶段：/nA.简单随机分布数据生成：/n1)从k＝2时刻开始；；/n2)令监测数据AR模型的初始阶次为1，p＝1；/n3)最小二乘法建立第k时刻的时间序列模型AR(p)；/n设n元监测变量第k时刻的AR(p)模型为：/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华北理工大学，未经华北理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911032490.2/，转载请声明来源钻瓜专利网。
