一种基于邻域保持嵌入回归的质量相关故障检测方法技术

本发明专利技术公开尤其涉及一种基于邻域保持嵌入回归算法的质量相关故障检测算法，并在此基础上建立了质量相关故障检测模型。首先，基于邻域保持嵌入算法提取出数据的有效流形特征信息。然后，为了表征过程变量对质量变量的变化趋势，本发明专利技术在基于邻域保持嵌入算法提取特征信息的基础之上，建立特征空间与质量指标的回归关系。相比于传统的方法，本发明专利技术克服了传统邻域保持嵌入算法提取特征时无法衡量输入变量和输出变量关系的缺点；通过对回归系数的协方差矩阵执行特征值分解，得到质量相关和无关子空间，进而在相应子空间建立统计量并估计各统计量的控制限，解决了邻域保持嵌入算法不考虑质量变量的缺点，是一种更优的质量相关故障检测方法。障检测方法。障检测方法。

【技术实现步骤摘要】
一种基于邻域保持嵌入回归的质量相关故障检测方法


[0001]本专利技术涉及一种数据驱动的故障检测方法，尤其涉及一种基于邻域保持嵌入回归的质量相关故障检测方法。

技术介绍

[0002]现代流程工业中为了保证生产的有效进行，必须对整个生产过程中出现的故障做到精准且即时的检测。随着工业过程集散化，复杂化的推进，基于数据驱动的故障检测方法被研究者广泛关注。多元统计分析作为一种典型数据驱动方法，常见的有主成分分析(principal component analysis,PCA)、偏最小二乘法(partial least squares,PLS)、独立主元分析(independent component analysis,ICA)等，这些方法都已表明可以很好应对复杂的工业过程。然而，这些方法仅考虑样本间的全局特征信息，并没有关注局部包含的流形结构关系，这会导致忽略隐藏在高维空间中的更多信息，降低故障检测的效率。
[0003]为了有效地提取局部结构信息，基于流形学习的方法被提出，如邻域保持嵌入(neighbor preserving embeddi本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于邻域保持嵌入回归的质量相关故障检测方法，其特征在于：所述方法包括以下步骤：离线建模阶段的实施过程如下所示：步骤(1)收集工业流程中正常运行状态下的样本数据，组成训练数据集。其中，过程变量数据集为质量变量数据集为计算训练数据集的均值μ
x
和标准差σ
x
，并按照公式(1)对和进行Z
‑
score标准化，得到标准化后的数据为X∈R
N
×
p Y∈R
N
×
q
；其中x与y为标准化后数据集的单一采样点时刻的数据，其中x∈R1×
p
，y∈R1×
q
；步骤(2)经过NPE算法降维，获得的低维特征空间为：其中A为特征映射矩阵，NPE具体步骤如下：
①
构建邻域图：利用k近邻算法来构建邻域图。假设过程数据集共有m个样本，则邻域图共有m个结点，其中x
i
表示第i个结点。如果x
j
是x
i
的k个最近的邻居之一，那么将这两点连接，反之不连接；
②
计算权重矩阵：设权重矩阵为W，其中元素W
ij
代表结点i和结点j之间的权重，如果两点之间没有边，则对应的矩阵元素为0。矩阵W元素的值通过最小如下目标函数获得：
③
计算映射：用相同大小的权重W
ij
来重建低维空...

【专利技术属性】
技术研发人员：宋冰，郭涛，侍洪波，吴铮华，陶阳，谭帅，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：