[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

摘要

本发明涉及基于流形学习的故障检测方法技术领域，具体涉及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。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。本发明在数理统计的基础之上，使用标准化残差对原始数据的流形特性进行回归分析，识别并有效地隔离噪声，提高故障检测模型的准确率，通过对Isomap算法的改进，实现了样本数据非线性主元的准确获取，增强了等距映射算法对噪声的鲁棒性。

主权项

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。