一种基于随机森林Copula的化工过程故障检测方法技术

本发明专利技术公开了一种基于随机森林Copula的化工过程故障检测方法，其属于故障检测技术领域。它解决了现有技术中传统采用特征提取的方法存在的会破坏原有的数据结构、不利于反映出原有的自变量与因变量之间的映射关系的缺陷。其主体结构包括以下步骤：步骤1：通过TE测试平台获得故障检测的仿真数据；步骤2：对TE测试平台仿真数据进行数据划分，分为仅有正常数据的训练集和正常数据、异常数据都有的测试集；步骤3：对随机森林算法在正常数据中进行训练，最后依据数据中每个特征的平均基尼指数进行特征选择；步骤4：通过筛选后的特征数据集构建Copula函数统计模型，进而得到每个样本的联合概率密度函数值。本发明专利技术主要用于化工过程故障检测上。检测上。

【技术实现步骤摘要】
一种基于随机森林Copula的化工过程故障检测方法


[0001]本专利技术属于故障检测
，具体地说，尤其涉及一种基于随机森林Copula的化工过程故障检测方法。

技术介绍

[0002]随着信息技术的发展，化工工业生产现代化水平稳步提升，进而导致了整个生产系统的规模越来越大，以及系统的复杂性越来越高，基于此，对工业过程的监测提出了更高的需求。
[0003]目前基于数据区驱动的故障检测方法，主要是采用特征提取的方法，这可能会破坏原有的数据结构，不利于反映出原有的自变量与因变量之间的映射关系。基于此，提出了一种基于随机森林Copula的化工过程故障检测方法，Copula函数能够通过数据原有的特征构造出联合概率分布模型，进而反映出数据变量之间的关系，最后结合TE测试平台来对所提出的方法进行验证。

技术实现思路

[0004]本专利技术要解决的技术问题是克服现有技术的不足，提供了一种基于随机森林Copula的化工过程故障检测方法，其通过随机森林进行数据特征选择，可以降低Copula函数建模的计算成本，也可以避免Copula函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机森林Copula的化工过程故障检测方法，其特征在于：包括以下步骤：步骤1：通过TE测试平台获得故障检测的仿真数据；步骤2：对TE测试平台仿真数据进行数据划分，分为仅有正常数据的训练集和正常数据、异常数据都有的测试集；步骤3：对随机森林算法在正常数据中进行训练，最后依据数据中每个特征的平均基尼指数进行特征选择；步骤4：通过筛选后的特征数据集构建Copula函数统计模型，进而得到每个样本的联合概率密度函数值；步骤5：利用核密度估计的方法对得到的概率密度函数值进行密度估计，通过设定99％的置信区间，最后得到故障检测的控制限p
outliers
；步骤6：将训练好的随机森林Copula模型应用到测试集中，进行最终的性能测试，完成故障检测。2.根据权利要求1所述的一种基于随机森林Copula的化工过程故障检测方法，其特征在于：所述步骤1中所描述的TE测试平台可依据TE过程结构图进行搭建。3.根据权利要求2所述的一种基于随机森林Copula的化工过程故障检测方法，其特征在于：所述步骤2中所描述的故障检测训练集和测试集，在训练集中稳态无故障运行的仿真周期为48h，采样时间间隔为3min，产生观测值960组；测试集中，仿真周期为48h，故障在8h的时候引入，共采集960个观测值，其中，后800个观测值为故障数据。4.根据权利要求3所述的一种基于随机森林Copula的化工过程故障检测方法，其特征在于：步骤3包括以下步骤：步骤31：在训练集中，用bootstrap法选取n个样本作为一个训练集；步骤32：用抽样得到的样本集生成一颗决策树，在生成的每一个节点上随机选择d个特征，然后利用这d个特征分别对训练集进行划分，通过基尼系数找到最佳的划分特征；步骤33：重复步骤31到步骤32k次，k为随机森林中决策树的个数；步骤34：计算训练集中每个特征的在每课决策树中的重要性：其中，表示特征X
j
在第i棵树的...

【专利技术属性】
技术研发人员：魏英鹏，王丽，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：