10.13873/J.1000-9787(2020)03-0135-04
基于DPCA和KL散度的微小故障检测方法
针对工业生产过程中微小故障幅值小、特征不明显的特点,提出了一种基于动态主成分分析(DPCA)和KL散度的微小故障检测方法.该方法先采用DPCA构建动态过程的主成分分析模型,再利用KL散度量化模型得分向量概率分布之间的相似度,并按照3法则建立其相对应的统计限.为了验证所提方法的有效性,将该方法应用于田纳西-伊斯曼过程(TEP).结果 表明:所提方法能有效地检测出微小故障.
微小故障检测、动态主成分分析、Kullback-Leibler散度、田纳西-伊斯曼过程
39
TP13(自动化基础理论)
浙江省公益技术研究社会发展项目;浙江理工大学科研启动基金资助项目
2020-05-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
135-138