基于NNDSVDD的多模态工业过程故障检测

• 作者: 刘文静 李元 谢彦红
• 来源期刊: 信息与控制
• 关键词: 支持向量数据描述 近邻差分 多模态 故障检测
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 541-546
• 页数: 6页
• 分类号: TP277
• 语种: 中文
• DOI: 10.13976/j.cnki.xk.2018.7113

摘要

现代工业存在多模式运行环境,传统的支持向量数据描述(support vector data description,SVDD)作为一种单模态故障检测算法对多模态过程故障的检测存在局限性.针对这一问题,提出一种基于近邻差分(nearest neighbors difference,NND)算法和SVDD算法相结合的多模态工业过程故障检测方法(NNDSVDD).首先,应用NND预处理多模态数据;然后,在差分数据集上应用SVDD确定统计量的控制限;最后,计算测试数据的统计值将其与控制限比较确定测试数据的状态.近邻差分算法剔除数据的多模态结构为SVDD提供良好的数据基础;在差分数据集的基础上应用SVDD,提高了传统SVDD对多模态过程故障的检测能力.将NNDSVDD应用于数值模拟例子和半导体生产过程进行仿真测试,与传统SVDD相比,NNDSVDD的故障检测率均能达到100％,验证了本文方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢彦红	沈阳化工大学数理系	57	111	6.0	8.0
2	李元	沈阳化工大学信息学院	122	550	12.0	18.0
3	刘文静	沈阳化工大学信息学院	4	1	1.0	1.0