典型文献
基于模糊C均值与主成分分析的故障检测研究
文献摘要：
针对化工过程中的数据存在的多模态特性,提出基于模糊C均值(FCM)与主成分分析(PCA)的故障检测方法.首先,通过FCM算法将具有多模态特性的训练样本进行聚类,根据所有样本到聚类中心的距离计算样本所属于每个聚类中心的隶属度.其次,以隶属度作为判定依据判断样本所属类别,将训练样本分成若干类别.再次,对每一个分类后的类别进行标准化处理并建立模型,通过核密度估计法确定每一个类别的控制限.最后,将待测样本划分类别,计算样本在各类别下的Hotelliing's T2和平方预测误差(SPE)(又称Q统计量),并与控制限比较以实现故障检测.将该方法运用于数值例子和田纳西-伊斯曼(TE)工业过程并将检测结果与PCA方法进行了对比分析.对比结果表明,该研究的故障检测率大幅提升.FCM算法通过对原始数据分类,有效地提升了PCA对具有多模态特性数据的处理能力.
文献关键词：
故障检测;多模态;模糊C均值;主成分分析;标准化;核密度估计;隶属度;田纳西-伊斯曼过程
中图分类号：
作者姓名：
孙宏雨;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]孙宏雨;李元-.基于模糊C均值与主成分分析的故障检测研究)[J].自动化仪表,2022(07):79-85
A类：
Hotelliing
B类：
化工过程,模态特性,FCM,故障检测方法,训练样本,有样,聚类中心,距离计算,隶属度,判定依据,若干类,标准化处理,建立模型,核密度估计法,控制限,分类别,别下,预测误差,SPE,统计量,方法运用,例子,和田,田纳西,伊斯曼,TE,工业过程,故障检测率,原始数据,数据分类,处理能力
AB值：
0.331593
相似文献
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。
