[发明专利]基于公共和特有特征提取的分层式非高斯过程监测方法

权利要求书

1.一种基于公共和特有特征提取的分层式非高斯过程监测方法，其特征在于，包括以下步骤：

1)在工业生产过程已知没有故障情况下，通过传感器采集工业生产过程的输入变量x和输出变量y的数据作为训练数据；

在工业生产过程需要检测故障情况下，通过传感器在线采集得到工业生产过程的输入变量x_test和输出变量y_test的数据作为待检测数据；

2)将训练数据进行分类，得到分类后的训练数据；

3)针对分类后的训练数据，每一个分类对应一个模态，在每个模态内运用多个权向量、成分向量的特征量建立优化目标函数，得到分类后的训练数据和待检测数据的公共特征，根据公共特征将每个模态中具有公共特征的非高斯部分的训练数据提取出来，处理具有公共特征的非高斯部分的训练数据的统计限和待检测数据的统计量；

4)在获得具有公共特征的非高斯部分的训练数据之后，针对剩余的高斯部分数据的公共特征进行提取，针对高斯部分的数据在每个模态内运用多个权向量、成分向量的特征量建立优化目标函数，得到高斯部分数据的公共特征，根据此公共特征结合偏最小二乘法，得到具有公共特征的高斯部分的训练数据的统计限和待检测数据的统计量；

5)在具有公共特征的高斯部分数据和具有公共特征的非高斯部分数据均提取出来之后，剩余的数据即为具有特有特征的数据，根据具有特有特征的数据得到具有特有特征的训练数据的统计限和待检测数据的统计量；

6)将待检测数据通过在线识别的方式进行分类，得到监测分类后的待检测数据。

2.根据权利要求1所述的一种基于公共和特有特征提取的分层式非高斯过程监测方法，其特征在于：

所述的步骤3)中，具体步骤为：

3.a)将工业生产过程的所有输入变量x构成输入变量数据集X，X∈R^n×M·m，对输入变量数据集X中的各个输入变量x进行标准化处理，其中n为输入变量x中的采样值个数，m为输入变量个数，M为训练数据的分类个数，即模态数；

3.b)分类后的输入变量数据表示为：X＝[X₍₁₎ X₍₂₎ ... X_(M)]，输出变量数据表示为：Y＝[Y₍₁₎ Y₍₂₎ ... Y_(M)]；X₍₁₎ X₍₂₎ ... X_(M)分别表示为第一分类～第M分类的输入变量数据，Y₍₁₎ Y₍₂₎ ... Y_(M)分别表示为第一分类～第M分类的输出变量数据；

3.c)这样，采用以下公式获得数据中每个模态的输入变量x的成分变量t_c和每个模态的输出变量y的成分向量u_c：

其中，p_c和q_c分别是单个的输入、输出公共权向量；α，β是合并M个模态数据的输入、输出成分权向量参数，α＝[α₍₁₎ α₍₂₎ ... α_(M)]，α₍₁₎ α₍₂₎ ... α_(M)分别表示为第一分类～第M分类的输入成分权向量参数，β＝[β₍₁₎ β₍₂₎ ... β_(M)]，β₍₁₎ β₍₂₎ ... β_(M)分别表示为第一分类～第M分类的输出成分权向量参数，i代表第i个模态；

建立第一目标函数为：

max{I(t_c,u_c)}

s.t.||p_c||＝||q_c||＝||α||＝||β||＝1

其中，I(t_c,u_c)为输入变量x的成分变量t_c和输出变量y的成分向量u_c之间的互信息值，||||表示取模；

3.d)采用迭代算法求解获得输入、输出公共权向量p_c、q_c和输入、输出成分权向量参数α、β，然后处理获得具有公共特征的非高斯部分数据，并且由具有公共特征的非高斯部分的训练数据处理得到统计量的统计限

3.e)将待检测数据的输入变量左乘p_c得到待检测数据的第一故障估计向量，利用第一故障估计向量获得待检测数据的统计量。