基于GMM的多工况过程监测方法

摘要：

传统基于主元分析的故障检测方法大多假设工业过程只运行在1个稳定工况,数据服从单一的高斯分布.若这些方法直接用于多工况过程则将会产生大量的误检.为此,本文提出了1种基于高斯混合模型的多工况过程监测方法.首先利用PCA变换对过程数据集进行降维,在主元空间建立高斯混合模型对过程数据进行聚类,自动获取工况数和相关分布特性.然后对每个工况建立主元分析(principal component analysis,PCA)模型来描述整个运行过程数据分布的统计特性.最后在过程监测中,根据监测样本属于各个工况的概率构造综合统计量,实现对多工况过程的故障检测.TE过程的仿真结果表明,本文提出的方法与传统的PCA方法相比,能自动获取工况和精确估计各个工况的统计特性,从而能更准确及时地检测出多工况过程的各种故障.

关键词：多工况、高斯混合模型、故障检测、统计监控

所属期刊栏目：27

分类号：TQ015.9;TP391.9;TP183(一般性问题)

资助基金：国家创新研究群体科学基金项目60721062;国家高技术研究发展计划项目2007AA04Z162

在线出版日期：2010-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：17-22