控制与决策

作者：姚红娟,赵小强,李炜,惠永永

单位：1. 兰州理工大学 电气工程与信息工程学院,兰州 730050;2. 兰州理工大学 甘肃省工业过程先进控制重点实验室,兰州 730050;3. 兰州理工大学 国家级电气与控制工程实验教学中心,兰州 730050,,1. 兰州理工大学 电气工程与信息工程学院,兰州 730050;2. 兰州理工大学 甘肃省工业过程先进控制重点实验室,兰州 730050;3. 兰州理工大学 国家级电气与控制工程实验教学中心,兰州 730050,,1. 兰州理工大学 电气工程与信息工程学院,兰州 730050;2. 兰州理工大学 甘肃省工业过程先进控制重点实验室,兰州 730050;3. 兰州理工大学 国家级电气与控制工程实验教学中心,兰州 730050,,1. 兰州理工大学 电气工程与信息工程学院,兰州 730050;2. 兰州理工大学 甘肃省工业过程先进控制重点实验室,兰州 730050;3. 兰州理工大学 国家级电气与控制工程实验教学中心,兰州 730050,

关键词：间歇过程;故障检测;动态性;邻域保持嵌入;角度近邻;局部离群因子

基金：国家自然科学基金项目(61763029,61763027)；国防基础科研项目(JCKY2018427C002)；甘肃省高等学校产业支撑引导项目(2019C-05)；甘肃省工业过程先进控制重点实验室开放基金项目(2019KFJJ01).

针对间歇过程数据的动态特性带来的故障检测问题,提出一种双权重多邻域保持嵌入(double weight multiple neighborhoods preserving embedding,DWMNPE)算法.首先,为每个样本点寻找时间近邻来描述样本点之间的时序相关关系;其次,定义角度近邻,并为样本点寻找角度近邻和距离近邻,以表征样本点在空间上的相似性,通过提取这3种不同的流形特征,充分表征数据的局部结构特征;再次,构造一种新的目标函数,在考虑误差最小的同时兼顾3种近邻的顺序信息,可防止NPE算法在计算重构权值时丢失近邻顺序信息,在解决数据动态性的同时充分提取原始数据的本质局部结构;最后,对降维数据构造局部离群因子(local outlier factor,LOF)统计量进行监控,消除数据非高斯特性对监控效果的不利影响.数值例子和青霉素发酵过程仿真结果验证了DWMNPE方法对动态性间歇过程故障检测的有效性.

来源：2021年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第12期