本发明公开一种基于修剪独立元回归策略的非高斯过程监测方法,旨在将非高斯独立元成分转换为高斯分布的误差信息,从而加强距离型监测指标对正常数据可允许变动范围描述的精确性。具体来讲,本发明方法在已建立的修正型独立元分析(MICA)模型基础上,通过假设缺失数据的技术手段利用修剪后的独立元回归估计出MICA模型的独立元成分,最后利用独立元的估计误差建立平方马氏距离实施在线故障检测。受益于误差的高斯分布特性,本发明方法利用平方马氏距离统计指标所定义的正常数据允许变化区域不会出现稀疏或“空洞”现象,因此,本发明方法能显著提升MICA模型用于非高斯过程监测的故障检测能力,是一种更为优选的非高斯过程监测方法。
1.一种基于修剪独立元回归策略的非高斯过程监测方法,其特征在于,包括以下步骤:离线建模阶段的实施过程如下所示:(1)收集生产过程正常运行状态下的数据样本,组成训练数据集X∈Rn×m,并对每个变量进行标准化处理,得到均值为0,标准差为1的新数据矩阵其中,n为训练样本数,m为过程测量变量数,R为实数集,Rn×m表示n×m维的实数矩阵;(2)利用修正型独立元分析(MICA)算法为建立相应的MICA模型:初始化变量下标号i=1,为d个独立成分列向量组成的矩阵,W∈Rm×d为分离矩阵,A∈Rm×d为混合矩阵,E∈Rn×m表示模型误差,上标号T表示矩阵或向量的转置;(3)假设矩阵中第i列数据缺失,为不失一般性,可将训练数据矩阵与分离矩阵W分别表述成与W=[Wi#T,Wi*T]T,其中,为假设缺失的数据(实为矩阵中第i列),由矩阵
本文链接:http://www.vipzhuanli.com/tech/sell/s_2303132.html,转载请声明来源钻瓜专利网。