[发明专利]基于邻域投影保持的异构数据协同建模工业故障检测方法

摘要

本发明提出一种基于邻域投影保持的异构数据协同建模工业故障检测方法，属于故障监测与诊断技术领域，具体步骤包括：采集N组电流和图像数据；求取每个图像数据的结构权重系数；建立电流邻域数据接图矩阵；剔除大于电流邻域权重阈值的数据，并归一化；构建目标函数，利用流形降维的方法求得投影向量最优解；对灰度化后的电解镁过程中产生的图像数据进行降维；利用SVM分类方法对降维后的图像数据进行故障检测。本发明主要解决异构数据建模的问题，结合了图像信息与电流信息同时进行故障检测，针对利用此方法进行的过程监测结果表明，该方法不仅能大大降低误报警，还提高了故障检测的准确性。

主权项

1.一种基于邻域投影保持的异构数据协同建模工业故障检测方法，其特征在于，包括以下步骤：步骤1：采集数据，在电解镁的工业过程中利用摄像头采集电解炉炉面图像数据并将其灰度化得到矩阵X∈m×n，且在同一时刻采集镁炉的三个电极的电流数据I＝[i₁,i₂,i₃]，一共采集了N组电流和图像数据；步骤2：基于高维数据降维，邻域线性关系变化最小的原理，获得图片数据的高维邻域结构信息，求取每个图像数据的结构权重系数W⁽ⁱ⁾，依据原始问题：求解得：求得邻域权重系数W⁽ⁱ⁾，其中，G_(i)中第m,n个元素G_(i)m,n＝Vec(X_i‑X_m)^TVec(X_i‑X_n)，k人为选择的邻域个数，W⁽ⁱ⁾为权重矩阵W第i行向量,w_ij为结构邻域权重，即权重矩阵W第i行第j列元素，符号Vec(X)表示把矩阵X每一列提取出来重新组合为一个列向量，1_k为元素全部为1的向量，这样W⁽ⁱ⁾中元素不为0所对应的数据为数据X_i的邻域点，记为K(X_i)；步骤3：用步骤1得到的所述N组电流I₁,I₂,……I_N，建立电流邻域数据接图矩阵L∈N×N，令l_ij为矩阵L第i行第j列上的值，则由下面的公式可求得矩阵L：其中，0<σ<1是人为指定的参数，K(X_i)是步骤2中求得的X_i的k个最近邻的点的集合，在此步骤中两点I_i和I_j的距离为欧式距离||I_i‑I_j||；步骤4：对电流邻域数据接图矩阵中的元素l_ij，剔除大于电流邻域权重阈值的数据，并归一化：利用电流邻域权重阈值对图片数据进行筛选，将高维空间中，处在X_i邻域内的且电流距离l_ij大于邻域电流权重阈值的数据剔除，筛选公式为:其中，为电流邻域权重阈值，并对结构邻域权重矩阵进行更新：同时对电流邻域权重进行更新：K_new(X_i)为对X_i进行邻域更新后的最近邻的点的集合；归一化公式如下：步骤5：利用步骤4中求得的结构邻域权重以及电流邻域权重构建目标函数，利用流形降维的方法求得投影向量最优解和步骤6：利用投影向量最优解和对灰度化后的电解镁过程中产生的图像数据进行降维，灰度矩阵为X，降维后的向量Y＝[y₁,y₂,...,y_d]；步骤7：利用SVM分类方法对降维后的图像数据进行故障检测，如果某测试样本被分到故障类别那么认为该测试样本所对应的电熔镁炉工况时刻发生故障，如果某测试样本被分到无故障的类别，那么认为该测试样本没有故障。