一种基于改进型主元分析模型的故障检测方法

专利申请号：CN201710307994.5

公 开 号：CN106940808A

发 明 人：史旭华 蓝艇 童楚东 

专利类型：发明申请

申 请 日：20170711

公 开 日：20170428

专利主分类号：G06K9/62(20060101)

关 键 词：矩阵 故障检测 改进型 特征向量 训练数据 在线故障检测 主元分析模型 数据相关性 计算训练 离线建模 正常数据 挖掘 算法 相加 应用 矩阵 训练数据 新数据 在线故障检测 标准化处理 得分矩阵 监测指标 控制上限 数据样本 特征向量 改进型 置信度 采集 非零 向量 测量 正常运行状态 主元分析模型 变量标准化 协方差矩阵 训练数据集 采样数据 公式计算 故障检测 故障样本 过程测量 计算训练 降序排列 矩阵符号 模型参数 生产过程 实数矩阵 训练样本 样本向量 实数 标准差 统计量 保留 超限 方差 主元 转置 调用 

摘      要：本发明公开一种基于改进型主元分析模型的故障检测方法，旨在进一步挖掘训练数据间的距离相关性特征以提高传统PCA算法用于故障检测的效果。本发明方法首先计算训练数据的角度相关性矩阵与距离相关性矩阵，然后将角度相关性矩阵与距离相关性矩阵相加得到一个新的相关性矩阵，并求取相应的特征值与特征向量。最后，利用特征向量建立改进型的PCA模型，并应用于在线故障检测。与传统方法相比，本发明方法在离线建模阶段同时将训练数据的角度相关性与距离相关性考虑进来，较全面地挖掘了数据相关性特征。因此，本发明方法所建立的改进型PCA模型能更全面的描述正常数据的潜在特征，理应取得更好的故障检测效果。