基于ICA和LOF的故障检测

摘要：

针对实际工业过程中的高斯与非高斯变量同时存在的问题,提出一种基于独立元分析(independent component analysis,ICA)和局部离群因子(local outlier factor,LOF)的故障检测方案.利用ICA算法提取数据独立元,加入独立元的时滞输入特性和时差输入特性构建成增广矩阵.运用LOF算法剔除训练数据增广矩阵中的离群点,排除离群点对建模的影响.用剩余数据建立LOF模型,并计算检测指标LOF的值,通过核密度估计计算控制限.将检测指标与控制限做对比,确定检测数据是否正常.将该方案用于田纳西-伊斯曼过程,并分别与传统的ICA和LOF方法比较,仿真结果说明该方法通过构建独立元空间增广矩阵和剔除离群点,有效地提高了LOF的故障检测率,同时也降低了误报率.

关键词：故障检测、独立元分析、增广矩阵、局部离群因子、田纳西-伊斯曼过程

所属期刊栏目：34

分类号：TP277(自动化技术及设备)

资助基金：辽宁省教育厅项目L2019007

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：197-204