基于特征空间自适应k近邻工业过程故障检测

• 作者: 徐月 李元 郭小萍
• 来源期刊: 高校化学工程学报
• 学科: 工学
• 关键词: 自适应 k近邻(kNN) 主元分析 故障检测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 化工系统工程
• 页码范围: 453-461
• 页数: 9页
• 分类号: TP277
• 字数: 4354字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9015.2019.02.025

摘要

针对工业生产过程故障检测模型不能及时更新的问题, 提出了一种特征空间自适应 k 近邻(feature space adaptive k-nearest neighbor,FS-AkNN) 故障检测方法.首先利用主元分析对训练数据进行降维,构建特征空间,然后利用k最近邻方法建立故障检测模型.在过程监视过程中,提出了基于距离规则的自适应更新故障检测模型.通过一个数值例子和TE过程的仿真实验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	郭小萍	沈阳化工大学信息工程学院	23	133	5.0	10.0
2	李元	沈阳化工大学信息工程学院	122	550	12.0	18.0
3	徐月	沈阳化工大学信息工程学院	1	2	1.0	1.0