[发明专利]基于vinecopula相关性描述的多模态过程故障检测方法及系统

摘要

本发明揭示了一种基于vine copula相关性描述的多模态过程故障检测方法及系统，检测方法包括根据专家知识或是采用聚类方法，得到不同模态下正常数据的训练样本集；利用C‑vine copula进行相关性建模，获得各模态的联合概率密度函数；采用马尔科夫蒙特卡洛方法对不同模态的联合概率密度函数进行抽样，计算各样本的联合概率密度函数值；根据控制限确定离散化步长l，并利用密度分位数法构建过程的静态密度分位数表；通过查表的方式估计t时刻监控数据在模态k下的广义局部概率指标；采用贝叶斯推理计算广义BIP指标，通过判断该指标是否超限，以此完成实时过程监控。

主权项

一种基于vine copula相关性描述的多模态过程故障检测方法，其特征在于，所述方法包括如下步骤：步骤S1、根据专家知识或是采用聚类方法，得到不同模态下正常数据的训练样本集；步骤S2、利用C‑vine copula进行相关性建模，获得各模态的联合概率密度函数；步骤S3、采用马尔科夫蒙特卡洛方法对不同模态的联合概率密度函数进行抽样，计算各样本的联合概率密度函数值；步骤S4、根据控制限确定离散化步长l，并利用密度分位数法构建过程的静态密度分位数表；步骤S5、通过查表的方式估计t时刻监控数据在模态k下的广义局部概率指标步骤S6、采用贝叶斯推理计算广义BIP指标，通过判断该指标是否超限，以此完成实时过程监控；所述步骤S6中广义BIP指标的构建公式为：BIP=Σk=1KP(Ck|Xtmonitor)PL(k)(Xtmonitor)---(9)]]>其中为通过贝叶斯推理得到的当前样本数据属于f(k)(x)的后验概率。