基于EWMA-kNN的多工况过程微小故障检测

doi:doi:10.3969/j.issn.2095-2198.2021.04.012

下载:

PDF (3789KB)
输出: BibTeX | EndNote (RIS)

摘要

针对应用多工况过程k近邻方法（knearest neighbor，kNN）进行故障检测时，微小故障样本较难被检测的问题，提出一种基于改进指数加权移动平均算法的k近邻(kNN based on exponentially weighted moving average，EWMA-kNN)故障检测方法.考虑到过程为多工况过程，所以利用kNN方法建立故障检测模型，计算距离统计量并确定相应的控制限.在过程监视中，使用改进EWMA算法更新控制限，赋予统计量随时间递增的权重，利用加权统计量和离线控制限确定当前微小故障样本相应的控制限.数值案例和半导体生产过程的仿真实验结果表明了该方法的有效性.

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章

关键词: 多工况')" href="#">

多工况微小故障 k近邻指数加权移动平均算法故障检测

出版日期: 2022-01-17 发布日期: 2022-01-17 整期出版日期: 2022-01-17

基金资助:

国家自然科学基金(61673279)；国家自然科学基金重大项目(61490701)；辽宁省教育厅基础研究项目（LJ2020021）

通讯作者: 李元（1964—），女，辽宁沈阳人，教授，博士，主要从事基于数据驱动的复杂过程故障诊断的研究.

引用本文:

郭小萍, 徐月, 李元.

基于EWMA-kNN的多工况过程微小故障检测 [J]. 沈阳化工大学学报, 2021, 35(4): 358-365.

链接本文:

https://xuebao.syuct.edu.cn/CN/doi:10.3969/j.issn.2095-2198.2021.04.012 或 https://xuebao.syuct.edu.cn/CN/Y2021/V35/I4/358

[1]	张成, 郭青秀, 李元. 指数比率局部保持投影健康状态监控方法及其半导体蚀刻过程应用 [J]. 沈阳化工大学学报, 2021, 35(4): 366-373.
[2]	郭金玉, 刘玉超, 李元. 加权局部近邻标准化PCA的工业过程故障检测 [J]. 沈阳化工大学学报, 2021, 35(3): 265-274.
[3]	李元, 杨东昇, 李大舟. 基于二维卷积神经网络高层数据特征学习的过程故障检测[J]. 沈阳化工大学学报, 2021, 35(3): 256-264.