欢迎来到天天文库
浏览记录
ID:53569963
大小:356.98 KB
页数:5页
时间:2020-04-18
《基于GMM的马氏距离kNN故障检测方法研究-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、基于GMM的马氏距离kNN故障检测方法研究·13·基于GMM的马氏距离kNN故障检测方法研究张成,李秀玉,逄玉俊,李元(沈阳化工大学技术过程故障诊断与安全性研究中心,辽宁沈阳110142)摘要: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(Gaussianmixturemode1),将马氏距离(Mahalanobisdistance)与kNN(knearestneighbors)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
2、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。关键词:GMM;kNN;马氏距离;故障检测中图分类号:TP277文献标识码:A文章编号:1000—8829(2014)09—0013一O5MahalanobisDistancekNNFaultDetectionMethodBasedonGaussianMixtureModelZHANGCheng,LIXiu—yu,PANGYu-jun,LIYuan(Resear
3、chCenterforTechnicalProcessFaultDiagnosisAndSafety,ShenyangUniversityofChemicalTechnology,Shenyang110142,China)Abstract:Non—linear,nongaussianity,andunevendistributionofdatavariablesbetweendistinctmodalsexistinindustrialprocess.AmethodthatcombinesMD(Mahalanobisdistance)andkNN(knearest
4、neighbors)byGMM(Gaussianmixturemode1)isproposed,namedGMM—MDkNN.First,normalsampledataiSdividedintoKcategoriesbyGMMfGaussianmixturemode1)methodaccordingtothecharacteristicsdifferencebetweensam.pies.thentherespectivemutualrelationshipbetweenthevariablesiSutilizedtocalculatetheMahalanobi
5、sdis.tancebetweensamples,lastthesumofknearestneighborMahalanobisdistanceisobtained,anditisregardedasthefaultdetectionindex.TheproposedmethodisappliedtotheTEindustrialprocessmonitoringinstances.experimentalresultsshowitseffectiveness.Keywords:GMM;kNN;mahalanobisdistance;faultdetection在
6、工业过程中,安全、可靠的监测系统可以有效保同¨。传统PCA(principalcomponentanalysis)方法证设备正常运转与生产过程的正常运行,防止危险事将与SPE作为故障检测指标,在处理数据非高斯、故的发生。工业过程数据变量呈现非线性、非高斯的非线性问题时存在一定的缺陷,造成严重的漏检、误检特点,且不同的高斯分布变量之间的相互关系不现象j。为解决数据变量之间的非线性问题,利用高维核空间转换将数据低维非线性问题转化成高维线性问题,早期KPCA(kernelprincipalcomponenta.收稿日期:2013—09—19nalysis)应用到过程监视
7、中,检测效果有所改善,却不基金项目:国家自然科学基金资助项目(60774070,61174119);能有效、快速地选取核函数参数,检测效果也达不到国家自然科学基金重点课题资助项目(61034006)期望的效果。2007年,He和Wang提出了基于最近作者简介:张成(1979一),男,辽宁锦州人,博士研究生,讲师,邻样本点的检测方法(kNN),能够有效解决数据非线主要研究方向为过程故障诊断;李秀玉(1989一),男,山东济宁人,硕士研究生,主要研究方向为故障诊断;逢玉俊(1954一),性的问题J。kNN方法以待检测样本点与其k个最男,辽宁东港人,硕士,教授,主要研究
8、方向为模式
此文档下载收益归作者所有