-
公开(公告)号：CN109101702B
公开(公告)日：2023-05-12
申请号：CN201810808881.8
申请日：2018-07-23
Applicant: 山东科技大学
IPC: G06F18/213 , G06F18/214
Abstract: 本发明公开了一种基于时间约束稀疏表示和特征降维的故障检测方法，具体涉及故障检测技术领域。其解决了现有的故障检测没有充分考虑强扰动对故障检测的影响，没有针对正常数据与故障数据间的关联而开发的特征降维方法的不足。该基于时间约束稀疏表示和特征降维的故障检测方法通过同时考虑工业过程监测数据的空间和时间特性而引入时间约束稀疏表示方法(TCSR)，提出了一种新的特征降维故障检测方法(RCDR)，充分利用构建的鲁棒邻接图并考虑数据特征，它的散度矩阵是考虑到故障检测的数据特性而特别设计的。类内散度矩阵只是用经典协方差矩阵表征正常数据集，而类间散布矩阵通过预定义的散布矩阵表征正常数据和故障数据之间的可分性。
-
公开(公告)号：CN109101702A
公开(公告)日：2018-12-28
申请号：CN201810808881.8
申请日：2018-07-23
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于时间约束稀疏表示和特征降维的故障检测方法，具体涉及故障检测技术领域。其解决了现有的故障检测没有充分考虑强扰动对故障检测的影响，没有针对正常数据与故障数据间的关联而开发的特征降维方法的不足。该基于时间约束稀疏表示和特征降维的故障检测方法通过同时考虑工业过程监测数据的空间和时间特性而引入时间约束稀疏表示方法(TCSR)，提出了一种新的特征降维故障检测方法(RCDR)，充分利用构建的鲁棒邻接图并考虑数据特征，它的散度矩阵是考虑到故障检测的数据特性而特别设计的。类内散度矩阵只是用经典协方差矩阵表征正常数据集，而类间散布矩阵通过预定义的散布矩阵表征正常数据和故障数据之间的可分性。
-
公开(公告)号：CN109901557B
公开(公告)日：2021-06-22
申请号：CN201910242418.6
申请日：2019-03-28
Applicant: 山东科技大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于数据域描述的可变控制限故障检测方法，具体涉及故障诊断技术领域。解决了现有的故障检测中存在正常样本和故障样本混叠现象时，高的故障检测率(FDR)低的误报率(FAR)无法兼顾的问题。该方法首先通过局部可达密度(LRD)加权的支持向量数据域描述(SVDD)，对离线数据进行建模，利用高斯核函数得到具有软边界的超球体，在此基础上定义样本的故障检测统计量。在线故障检测时，根据最近w个样本的故障检测统计量信息，使控制限在接近0的正数ρ和接近0的负数σ之间进行切换，可同时兼顾FDR和FAR两个指标，大大提高混叠区域样本的故障检测性能。
-
公开(公告)号：CN109901557A
公开(公告)日：2019-06-18
申请号：CN201910242418.6
申请日：2019-03-28
Applicant: 山东科技大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于数据域描述的可变控制限故障检测方法，具体涉及故障诊断技术领域。解决了现有的故障检测中存在正常样本和故障样本混叠现象时，高的故障检测率(FDR)低的误报率(FAR)无法兼顾的问题。该方法首先通过局部可达密度(LRD)加权的支持向量数据域描述(SVDD)，对离线数据进行建模，利用高斯核函数得到具有软边界的超球体，在此基础上定义样本的故障检测统计量。在线故障检测时，根据最近w个样本的故障检测统计量信息，使控制限在接近0的正数ρ和接近0的负数σ之间进行切换，可同时兼顾FDR和FAR两个指标，大大提高混叠区域样本的故障检测性能。
-
-
-
Search Results
4
records
(took 0.02 seconds)
