一种基于混合变量监测的非单一分布的过程监测方法技术

本发明专利技术提出了一种基于混合变量监测的非单一分布的过程监测方法，属于故障检测领域。及时有效的故障监测是系统高可靠性运行的前提和保障，随着现代工业过程不断的大型化、集成化和复杂化，连续变量和二值变量同时出现在了监测变量中，本发明专利技术针对同时包含连续变量和二值变量的系统，仅健康状态数据可获得，且连续变量不服从单一高斯分布二值变量不服从单一伯努利分布的情况，提出了一种新的基于混合变量监测的非单一分布的过程监测方法，与传统的混合变量监测方法相比，因为其对数据分布的拟合更加准确，使其过程监测性能更好。使其过程监测性能更好。使其过程监测性能更好。

A non unitary distributed process monitoring method based on mixed variable monitoring

【技术实现步骤摘要】
一种基于混合变量监测的非单一分布的过程监测方法


[0001]本专利技术属于故障诊断领域，具体涉及一种基于混合变量监测的非单一分布的过程监测方法。

技术介绍

[0002]及时有效的故障监测是系统高可靠性运行的前提和保障。随着现代工业过程不断的大型化、集成化和复杂化，连续变量和二值变量同时出现在了监测变量中。本专利技术针对同时包含连续变量和二值变量的系统，仅健康状态数据可获得，且连续变量不服从单一高斯分布二值变量不服从单一伯努利分布的情况，提出了一种新的基于混合变量监测的非单一分布的过程监测方法。与传统的混合变量监测方法相比，因为其对数据分布的拟合更加准确，使其过程监测性能更好。

技术实现思路

[0003]本专利技术针对同时包含连续变量和二值变量的系统，仅健康状态数据可获得，且连续变量不服从单一高斯分布二值变量不服从单一伯努利分布的情况，提出了一种新的基于混合变量监测的非单一分布的过程监测方法。
[0004]为了实现上述目的，本专利技术采用如下技术方案：
[0005]一种基于混合变量监测的非单一分布的过程监测方法，包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合变量监测的非单一分布的过程监测方法，其特征在于：包括如下步骤：步骤1：离线建模，具体包括如下步骤：步骤1.1：健康状态训练数据集包含n个样本，为第i个采样并包含d个样本，i表示采样时间；x
i
共包含d
c
个连续特征和d
b
个二值特征；记x
j
为第j个变量，为第j
c
个连续变量，为第j
b
个二值变量；步骤1.2：根据聚类算法确定训练数据的分量个数，采用Calinski
‑
Harabaz分数确定，假设共存在K分量，即k∈{1,...,K}；步骤1.3：对于连续变量假设其在第k个分量服从高斯分布，如公式(1)所示：其中其中和分别为第j
c
个连续变量第k个分量的均值和标准差；步骤1.4：对于二值变量假设其在第k个分量服从伯努利分布，如公式(2)所示：其中为第j
b
个二值变量在第k个分量的响应概率；步骤1.5：对于采样x
i
，其在第k个分量的发生概率如公式(3)所示：其中其中其中表示x
j
在第k个分量的特征权值；步骤1.6：考虑到K个分量，x
i
的发生概率如公式(4)所示：其中θ＝{φ,μ,σ,η,ω}，φ＝{φ1,...,φ
k
,...,φ
K
}，μ＝{μ1,...,μ
k
,...,μ
K
}，σ＝{σ1,...,σ
k
,...,σ
K
}，η＝{η1,...,η
k
,...,η
K
}，ω＝{ω1,...,ω
k
,...,ω
K
}，φ
k
为第k个分量的分量权值；步骤1.7：构造关于x
i
的函数，如公式(5)所示：f(x
i
)＝ln(P(N)P(x
i
；θ))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)；其中为显著水平，δ为置信水平；步骤1.8：根据步骤1.1到步骤1.7，f(x
i
)表达式如公式(6)所示：其中，Ξ
k
为关于权值和响应概率的表达式，为关于权值和响应概率的表达式，为第k个分量的第
j
b
个值，ψ
i,k
为关于权值、均值和标准差的表达式为关于权值和响应概率的表达式，为二值特征向量；步骤1.9：构造关于x
i
的统计量，如公式(7)所示：s
i
＝f2(x
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)；步骤1.10：构造潜变量z＝{z1,...,z
i
,...z
n
}，其中z
i
＝...

【专利技术属性】
技术研发人员：周东华，王敏，陈茂银，钟麦英，高明，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：