公开(公告)号：CN107065843B

公开(公告)日：2019-04-05

申请号：CN201710434406.4

申请日：2017-06-09

Applicant: 东北大学

Inventor： 张颖伟 ,  杨克旺 ,  刘俊梁

IPC: G05B23/02

Abstract: 本发明涉及一种基于独立子空间的多方向KICA间歇过程故障监测方法，包括以下步骤：采集间歇过程三维数据X(I×J×K)，应用多向KICA，将三维数据按批次展开成二维数据进行处理；其中I为批次数目，J为变量数目，K为采样点数目；对按批次展开的二维数据进行离线建模，在ICA的基础上加入核技巧，将非线性数据映射到高维特征空间，然后在高维空间进行线性处理；应用T2和SPE统计量对过程进行在线监测；将每一子数据得到的故障信息进行汇总，计算统计量是否超限。本发明对传统KICA整体处理的方法改进，对初始数据划分为多个子空间进行详细的KICA分析，建立多模型的KICA同时监测，将隐藏信息放大，有效的掌握局部信息，提高故障的监测率。

公开(公告)号：CN107133642A

公开(公告)日：2017-09-05

申请号：CN201710284568.4

申请日：2017-04-25

Applicant: 东北大学

Inventor： 张颖伟 ,  严启保 ,  刘俊梁

IPC: G06K9/62

Abstract: 本发明涉及一种基于田纳西伊斯曼过程的先验知识故障诊断方法，步骤为：采集田纳西伊斯曼过程的离线历史数据；选择调节参数矩阵U∈Rn×n和KNN算法中的k；在已有的加权无向图上构建邻接矩阵W，在此基础上算出矩阵D，定义拉普拉斯矩阵L＝D‑W，根据拉普拉斯正则化算法，计算拉普拉斯正则项根据局部正则化算法，计算局部正则项(I‑A)T(I‑A)，；根据计算标签矩阵；根据来标记未标记样本，归一化后得到工业过程的故障分类信息。本发明充分挖掘和利用标记样本和未标记样本特征信息建立故障诊断模型，用田纳西伊斯曼过程数据进行验证，其中在最后分类阶段，对分类器进行了改进，提高了分类的精度，同时对样本的错分率及样本分离度等验证标准都有所改进。

公开(公告)号：CN107065843A

公开(公告)日：2017-08-18

申请号：CN201710434406.4

申请日：2017-06-09

Applicant: 东北大学

Inventor： 张颖伟 ,  杨克旺 ,  刘俊梁

IPC: G05B23/02

CPC classification number: G05B23/0243 ,  G05B2219/24065

Abstract: 本发明涉及一种基于独立子空间的多方向KICA间歇过程故障监测方法，包括以下步骤：采集间歇过程三维数据X(I×J×K)，应用多向KICA，将三维数据按批次展开成二维数据进行处理；其中I为批次数目，J为变量数目，K为采样点数目；对按批次展开的二维数据进行离线建模，在ICA的基础上加入核技巧，将非线性数据映射到高维特征空间，然后在高维空间进行线性处理；应用T2和SPE统计量对过程进行在线监测；将每一子数据得到的故障信息进行汇总，计算统计量是否超限。本发明对传统KICA整体处理的方法改进，对初始数据划分为多个子空间进行详细的KICA分析，建立多模型的KICA同时监测，将隐藏信息放大，有效的掌握局部信息，提高故障的监测率。