摘要
本发明公开一种基于差分‑慢特征分析以及差分‑正交相关分析的动态质量相关监测方法,旨在针对质量相关与质量无关的故障数据,引入数据的动态特征,研究质量相关故障检测模型的构建方式。本发明的主要核心是利用过程数据变量自身的时间相关性作为判据划分动态空间,再利用过程变量与质量变量的相关性划分相关与无关变量,在动态空间中对变量进行数据扩展,针对质量相关变量使用正交典型相关分析法进行相关的故障检测,最终使用贝叶斯推理融合进行综合统计量的构建。此外,本发明方法在考虑模型效果的同时,还考虑了模型训练的鲁棒性。相较于其他方法,该发明方法可以更好更快地区分并检测质量相关与质量无关故障,并且获得更优的效果。可以说,本发明方法是一种更为优秀的质量相关故障检测方法。
技术关键词
慢特征分析
变量
动态
矩阵
故障检测模型
监测方法
故障检测方法
标准化方法
高斯核函数
训练集数据
典型
特征值
成分分析
样本
离线
序列
鲁棒性
代表
系统为您推荐了相关专利信息
供电服务管理
资源动态配置
文本语义分析
音频
工单预警
特征提取模型
发动机健康
退化特征
健康评估指标
工况
时序特征
动态监测方法
双向长短期记忆网络
随机森林模型
水体
伺服系统
控制策略
运动轨迹数据
关节力矩
工业机器人