[发明专利]基于同时降维和字典学习的过程监控方法有效
| 申请号： | 201910902691.7 | 申请日： | 2019-09-23 |
| 公开（公告）号： | CN110579967B | 公开（公告）日： | 2020-06-30 |
| 发明（设计）人： | 刘冕;陈晓方;黄科科;谢永芳 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 长沙轩荣专利代理有限公司 43235 | 代理人： | 叶碧莲 |
| 地址： | 410000 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于同时降维和字典学习的过程监控方法，包括离线字典学习和在线故障监测两个步骤，在离线字典学习阶段中提出一种同时降维和字典学习方法进行字典学习，在线故障监测阶段包括故障检测、模式识别和故障隔离三个功能，对测试数据进行故障检测，若为故障数据则进行故障诊断以对故障发生的位置进行判断，若非故障数据，进行模式识别。本发明在离线学习阶段通过同时降维和字典学习方法学习到的投影和字典能同时解决数据高维和多模态特点的问题，在线故障监测阶段通过投影矩阵对测试数据构造SPE统计量，能减小在线监测过程的计算复杂度，提高在线监测的实时性。本发明能够学习并保留原始数据更多的空间信息，提升字典的表示和辨识能力。 | ||
| 搜索关键词： | 基于 同时 维和 字典 学习 过程 监控 方法 | ||
【主权项】：
1.一种基于同时降维和字典学习的过程监控方法，其特征在于，包括：/n利用历史数据进行离线字典学习，得到全局结构化字典、降维投影矩阵和控制阈值；/n利用全局结构化字典、降维投影矩阵和控制阈值进行在线故障监测；/n所述离线字典学习包括同时降维和字典学习和计算控制阈值，其中，同时降维和字典学习包括以下步骤：/n1)固定P和D，利用正交匹配跟踪方法计算以下公式的解X
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南大学，未经中南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910902691.7/，转载请声明来源钻瓜专利网。
