典型文献
基于LNS和主成分分析的局部离群因子故障检测
文献摘要：
针对复杂工业过程中的多模态和非线性等问题,提出了一种新的故障检测方法.采用局部邻域标准化(Local neighbor standardization,LNS)方法对多模态数据集进行标准化处理,利用主成分分析(Principal component analysis,PCA)将数据划分为主成分子空间(Principal component subspace,PCS)和残差子空间(Residual subspace,RS),使用局部离群因子(Local outlier factor,LOF)方法分别在这两个子空间进行故障检测.LNS方法可将多模态数据归一化为单模态数据,使PCA能够更准确地划分主成分子空间和残差子空间,LOF方法能够增强PCA处理非线性数据能力,同时能弥补自身单监控统计量的不足.采用LNS-PCA-LOF方法对非线性数值例子和青霉素发酵过程进行了仿真,与PCA、K近邻故障检测(FD-KNN)和LOF等方法相比,验证了所提方法的有效性.
文献关键词：
主成分分析;故障检测;局部邻域标准化;局部离群因子;青霉素发酵过程;多模态
中图分类号：
作者姓名：
曾静;解晓兵;李元
作者机构：
沈阳化工大学信息工程学院,沈阳110142
文献出处：
引用格式：
[1]曾静;解晓兵;李元-.基于LNS和主成分分析的局部离群因子故障检测)[J].黑龙江大学自然科学学报,2022(03):337-344
A类：
局部邻域标准化
B类：
LNS,局部离群因子,复杂工业过程,故障检测方法,Local,neighbor,standardization,多模态数据集,标准化处理,Principal,component,analysis,数据划分,子空间,subspace,PCS,Residual,RS,outlier,LOF,数据归一化,单模,数据能力,统计量,例子,青霉素发酵过程,近邻,FD,KNN
AB值：
0.286661
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。
