测控技术
測控技術
측공기술
MEASUREMENT & CONTROL TECHNOLOGY
2014年
9期
13-17
,共5页
张成%李秀玉%逄玉俊%李元
張成%李秀玉%逄玉俊%李元
장성%리수옥%방옥준%리원
GMM%kNN%马氏距离%故障检测
GMM%kNN%馬氏距離%故障檢測
GMM%kNN%마씨거리%고장검측
GMM%kNN%mahalanobis distance%fault detection
工业过程数据变量呈现非线性、非高斯性与变量之间分布不均等问题.针对数据变量分布不均等问题,提出利用高斯混合模型GMM(Gaussian mixture model),将马氏距离(Mahalanobis distance)与kNN(k nearest neighbors)相结合的故障检测方法,即:基于GMM的马氏距离kNN故障检测方法(GMM-MD-kNN).首先利用高斯混合模型GMM将训练样本数据分为K类,然后利用相应数据类的变量协方差信息计算样本间的马氏距离,得到样本的k近邻样本马氏距离和,并将其作为故障检测的指标.将此方法应用到TE连续工业过程监测实例中,结果表明了该方法的有效性.
工業過程數據變量呈現非線性、非高斯性與變量之間分佈不均等問題.針對數據變量分佈不均等問題,提齣利用高斯混閤模型GMM(Gaussian mixture model),將馬氏距離(Mahalanobis distance)與kNN(k nearest neighbors)相結閤的故障檢測方法,即:基于GMM的馬氏距離kNN故障檢測方法(GMM-MD-kNN).首先利用高斯混閤模型GMM將訓練樣本數據分為K類,然後利用相應數據類的變量協方差信息計算樣本間的馬氏距離,得到樣本的k近鄰樣本馬氏距離和,併將其作為故障檢測的指標.將此方法應用到TE連續工業過程鑑測實例中,結果錶明瞭該方法的有效性.
공업과정수거변량정현비선성、비고사성여변량지간분포불균등문제.침대수거변량분포불균등문제,제출이용고사혼합모형GMM(Gaussian mixture model),장마씨거리(Mahalanobis distance)여kNN(k nearest neighbors)상결합적고장검측방법,즉:기우GMM적마씨거리kNN고장검측방법(GMM-MD-kNN).수선이용고사혼합모형GMM장훈련양본수거분위K류,연후이용상응수거류적변량협방차신식계산양본간적마씨거리,득도양본적k근린양본마씨거리화,병장기작위고장검측적지표.장차방법응용도TE련속공업과정감측실례중,결과표명료해방법적유효성.
