典型文献
基于ICA和LOF的故障检测
文献摘要：
针对实际工业过程中的高斯与非高斯变量同时存在的问题,提出一种基于独立元分析(independent component analysis,ICA)和局部离群因子(local outlier factor,LOF)的故障检测方案.利用ICA算法提取数据独立元,加入独立元的时滞输入特性和时差输入特性构建成增广矩阵.运用LOF算法剔除训练数据增广矩阵中的离群点,排除离群点对建模的影响.用剩余数据建立LOF模型,并计算检测指标LOF的值,通过核密度估计计算控制限.将检测指标与控制限做对比,确定检测数据是否正常.将该方案用于田纳西-伊斯曼过程,并分别与传统的ICA和LOF方法比较,仿真结果说明该方法通过构建独立元空间增广矩阵和剔除离群点,有效地提高了LOF的故障检测率,同时也降低了误报率.
文献关键词：
故障检测;独立元分析;增广矩阵;局部离群因子;田纳西-伊斯曼过程
中图分类号：
作者姓名：
郭金玉;王霞;李元
作者机构：
沈阳化工大学 信息工程学院,辽宁 沈阳 110142
文献出处：
引用格式：
[1]郭金玉;王霞;李元-.基于ICA和LOF的故障检测)[J].沈阳大学学报（自然科学版）,2022(03):197-204
A类：
独立元分析,时滞输入
B类：
ICA,LOF,针对实际,工业过程,非高斯,independent,component,analysis,局部离群因子,local,outlier,检测方案,提取数据,时差,增广矩阵,训练数据,数据增广,离群点,剩余数据,检测指标,核密度估计,计算控制,控制限,定检,检测数据,于田,田纳西,伊斯曼,方法比较,元空间,矩阵和,故障检测率,误报率
AB值：
0.330943
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
