[發(fā)明專利]一種基于稀疏GMM的多模過程質(zhì)量相關(guān)的故障診斷方法

有效

• 申請?zhí)枺?/td>: 201811331420.2
• 申請日: 2018-11-09
• 公開（公告）號: CN109491338B
• 公開（公告）日: 2021-05-11
• 發(fā)明（設(shè)計(jì)）人: 盧春紅;王杰華;商亮亮;陳曉紅
• 申請（專利權(quán)）人: 南通大學(xué)
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 朱楨榮

1.一種基于稀疏GMM的多模過程質(zhì)量相關(guān)的故障診斷方法，其特征在于，包括以下步驟：

步驟A、建立過程變量與質(zhì)量變量之間的稀疏表示模型，獲得樣本的稀疏重構(gòu)權(quán)重矩陣S；

步驟B、構(gòu)建稀疏高斯混合模型：根據(jù)稀疏表示模型獲得的稀疏重構(gòu)權(quán)重矩陣S中的稀疏系數(shù)，形成高斯成分周圍近鄰樣本相似性的約束條件，自適應(yīng)選擇訓(xùn)練樣本的鄰域范圍，獲取了高斯成分相似的條件概率分布，保持了數(shù)據(jù)流形結(jié)構(gòu)的局部性和稀疏性，自動(dòng)地識別高斯成分?jǐn)?shù)目；

步驟C、構(gòu)建稀疏GMM監(jiān)測指標(biāo)，利用稀疏高斯混合模型的輸出結(jié)果和每個(gè)模態(tài)的局部馬氏距離設(shè)計(jì)故障檢測與診斷指標(biāo)，融合過程全局輸出和局部信息，評估多模態(tài)過程的運(yùn)行狀態(tài)。

2.根據(jù)權(quán)利要求1所述的一種基于稀疏GMM的多模過程質(zhì)量相關(guān)的故障診斷方法，其特征在于，所述步驟A具體如下：

給定來自多模過程的N個(gè)樣本，每個(gè)樣本包含過程變量x∈R^m和質(zhì)量變量y∈R，則歷史數(shù)據(jù)集D表示為：

其中，R^m表示m維變量，R表示1維變量，[y(1)x(1)]^T表示質(zhì)量變量和第1個(gè)過程變量，簡寫成d₁，以此類推，[y(1)x(N)]^T表示質(zhì)量變量和第N個(gè)過程變量，簡寫成d_N，上標(biāo)T為轉(zhuǎn)置；

稀疏表示通過下列公式聯(lián)合優(yōu)化目標(biāo)函數(shù)，計(jì)算出訓(xùn)練樣本的稀疏表示量：

式中，L1-范式表示矩陣元素的絕對值之和，λ為正則化參數(shù)正值，E為稀疏誤差，e為元素為1的列向量；利用凸優(yōu)化方法求解出稀疏重構(gòu)權(quán)重矩陣S＝[s₁,s₂,…,s_N]∈R^N×N，R^N×N表示行和列均為N的存儲(chǔ)空間，其中s_n＝[s_n1,s_n2,…,s_nn-1,0,s_nn+1,…,s_nN]^T，n＝1,2...，N，s_n為第n個(gè)樣本數(shù)據(jù)d_n的稀疏系數(shù)變量，它的每個(gè)元素s_nj表示d_n對重構(gòu)第j個(gè)樣本d_j的貢獻(xiàn)度。