首页|层次变分高斯混合模型与主多项式分析的故障检测策略

层次变分高斯混合模型与主多项式分析的故障检测策略

Fault detection using hierarchical variational Gaussian mixture model and principal polynomial analysis

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对多模态工业过程中模态数量难以确定问题,提出一种层次变分高斯混合模型(hierarchical variational Gaussian mixture model,HVGMM).在此基础上,使用主多项式分析(principal polynomial analysis,PPA)用于多模态非线性过程故障检测.首先,变分贝叶斯高斯混合模型(variational Bayesian Gaussian mixture model,VBGMM)作为初始模型用于分解过程数据得到工作模态的初始数量,将过程按初始数量分解为多个子块;其次,应用包含多个局部模型的VBGMM将各子块分解为附属子块,并利用附属子块的均值、精度等信息对VBGMM进行重构;然后,将重构后的VBGMM作为初始模型再次用于分解原始过程数据,重复上述步骤直至重构VBGMM无法分解各子块时停止;最后,分别在各附属子块中建立局部PPA模型,并在每个局部模型中计算T2和SPE统计量进行故障检测.将该方法应用于数值例子和Tennessee Eastman(TE)化工过程,并将仿真结果与主元分析(principal component analysis,PCA)、PPA进行对比,验证了所提出方法的有效性.

李元、杨东昇、赵丽颖、张成

展开 >

沈阳化工大学信息工程学院,辽宁沈阳110142

沈阳化工大学理学院,辽宁沈阳110142

主元分析 变分贝叶斯高斯混合模型 故障检测 过程控制 多模态过程 参数估值

国家自然科学基金

61673279

2021

10.11949/0438-1157.20200793

化工学报
中国化工学会 化学工业出版社

化工学报

CSTPCDCSCD北大核心
影响因子：1.26
ISSN：0438-1157
年,卷(期)：2021.72(3)
  • 3
  • 4