[发明专利]含噪声非线性过程故障检测模型的构建方法及其检测方法

权利要求书

1.一种含噪声非线性过程故障检测模型的构建方法，其特征在于，该构建方法包括以下步骤：

对样本数据集进行标准化处理，得到所述样本数据集的校准数据集；

根据所述校准数据集计算其标准差和标准化残差，剔除所述校准数据集中的噪声数据得到正常数据集，并计算所述正常数据集的低维表示数据集；

根据所述低维表示数据集，使用支持向量机算法建立故障多分类模型；

其中，所述标准化处理的方法包括计算所述样本数据集中样本数据的k度距r_i和x_i的中心距d_i，获得由校准数据(d_i,r_i)组成的校准数据集：

对于和样本数据集X＝{x₁,x₂,…,x_N}，x_i∈Rⁿ，i＝1,2,3,...,N，计算样本数据x_i与C_X{x_i}中各点的欧式距离，选取k个欧式距离最小的点组成集合并定义该集合为KNN_k(x_i)；

对于定义样本数据x_i的k度距r_i：

其中x_l∈KNN_k(x_i)，t＝|{x_j|x_j∈X∩x_i∈KNN_k(x_j)}|，A∈R⁺为调节因子。

2.根据权利要求1所述的一种含噪声非线性过程故障检测模型的构建方法，其特征在于，所述计算所述正常数据集的低维表示数据集的方法，包括以下步骤：

在所述正常数据集中构造邻域关系图，在所述邻域关系图中构造最短路径矩阵，近似估计所述样本数据之间的测地距离；

保持所述测地距离不变，计算出所述样本数据集的低维表示数据集。

3.根据权利要求1或者2所述的一种含噪声非线性过程故障检测模型的构建方法，其特征在于，在所述计算所述正常数据集的低维表示数据集之后，还包括：

计算所述正常数据与所述低维表示数据之间的映射函数。

4.根据权利要求3所述的一种含噪声非线性过程故障检测模型的构建方法，其特征在于，所述映射函数的计算方法采用Lasso回归算法。

5.一种基于权利要求1所述的一种含噪声非线性过程故障检测模型的构建方法的检测方法，其特征在于，包括以下步骤：

对待测数据集进行标准化处理，得到待测校准数据集；

根据所述待测校准数据集计算其标准差和标准化残差，剔除所述待测校准数据集中的噪声数据得到正常数据集，并计算所述待测正常数据集的待测低维表示数据集；

根据所述故障多分类模型，采用投票法获得所述待测数据集的故障判断类型。

6.一种基于权利要求3所述的一种含噪声非线性过程故障检测模型的构建方法的检测方法，其特征在于，包括以下步骤：

对待测数据集进行标准化处理，得到待测校准数据集；

根据所述映射函数计算所述待测数据的待测低维表示数据，得到待测低维表示数据集；

根据所述故障多分类模型，采用投票法获得所述待测数据集的故障判断类型。

7.根据权利要求5或者6所述的一种检测方法，其特征在于，所述计算所述待测校准数据集的待测低维表示数据集的方法，包括以下步骤：

在所述正常数据集中构造邻域关系图；在所述邻域关系图中构造最短路径矩阵，近似估计所述样本数据之间的测地距离；

保持所述测地距离不变，计算出所述待测数据集的待测低维表示数据集。