基于GMM的马氏距离kNN故障检测方法研究

• 作者: 张成 李元 李秀玉 逄玉俊
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: GMM kNN 马氏距离 故障检测
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 13-17
• 页数: 5页
• 分类号: TP277
• 字数: 2887字
• 语种: 中文

摘要

工业过程数据变量呈现非线性、非高斯性与变量之间分布不均等问题.针对数据变量分布不均等问题,提出利用高斯混合模型GMM(Gaussian mixture model),将马氏距离(Mahalanobis distance)与kNN(k nearest neighbors)相结合的故障检测方法,即:基于GMM的马氏距离kNN故障检测方法(GMM-MD-kNN).首先利用高斯混合模型GMM将训练样本数据分为K类,然后利用相应数据类的变量协方差信息计算样本间的马氏距离,得到样本的k近邻样本马氏距离和,并将其作为故障检测的指标.将此方法应用到TE连续工业过程监测实例中,结果表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	逄玉俊	沈阳化工大学技术过程故障诊断与安全性研究中心	24	103	6.0	8.0
2	张成	沈阳化工大学技术过程故障诊断与安全性研究中心	57	159	6.0	10.0
3	李元	沈阳化工大学技术过程故障诊断与安全性研究中心	122	550	12.0	18.0
4	李秀玉	沈阳化工大学技术过程故障诊断与安全性研究中心	2	22	2.0	2.0