公开(公告)号：CN110579967B

公开(公告)日：2020-06-30

申请号：CN201910902691.7

申请日：2019-09-23

Applicant: 中南大学

Inventor： 刘冕 ,  陈晓方 ,  黄科科 ,  谢永芳

IPC: G05B13/04

Abstract: 本发明公开了一种基于同时降维和字典学习的过程监控方法，包括离线字典学习和在线故障监测两个步骤，在离线字典学习阶段中提出一种同时降维和字典学习方法进行字典学习，在线故障监测阶段包括故障检测、模式识别和故障隔离三个功能，对测试数据进行故障检测，若为故障数据则进行故障诊断以对故障发生的位置进行判断，若非故障数据，进行模式识别。本发明在离线学习阶段通过同时降维和字典学习方法学习到的投影和字典能同时解决数据高维和多模态特点的问题，在线故障监测阶段通过投影矩阵对测试数据构造SPE统计量，能减小在线监测过程的计算复杂度，提高在线监测的实时性。本发明能够学习并保留原始数据更多的空间信息，提升字典的表示和辨识能力。

公开(公告)号：CN110579967A

公开(公告)日：2019-12-17

申请号：CN201910902691.7

申请日：2019-09-23

Applicant: 中南大学

Inventor： 刘冕 ,  陈晓方 ,  黄科科 ,  谢永芳

IPC: G05B13/04

Abstract: 本发明公开了一种基于同时降维和字典学习的过程监控方法，包括离线字典学习和在线故障监测两个步骤，在离线字典学习阶段中提出一种同时降维和字典学习方法进行字典学习，在线故障监测阶段包括故障检测、模式识别和故障隔离三个功能，对测试数据进行故障检测，若为故障数据则进行故障诊断以对故障发生的位置进行判断，若非故障数据，进行模式识别。本发明在离线学习阶段通过同时降维和字典学习方法学习到的投影和字典能同时解决数据高维和多模态特点的问题，在线故障监测阶段通过投影矩阵对测试数据构造SPE统计量，能减小在线监测过程的计算复杂度，提高在线监测的实时性。本发明能够学习并保留原始数据更多的空间信息，提升字典的表示和辨识能力。