基于多模态动态流形学习的锡冶炼过程异常监测方法

本发明公开了一种基于多模态动态流形学习的锡冶炼过程异常监测方法，属于工业过程中的故障监测技术领域。该方法包括模态划分、流形结构提取、动态特征提取与异常监测；首先，通过时序慢特征分析TSFA算法对工业过程数据进行模态划分，识别并区分出不同模态的特征信息；接着，采用流形学习算法提取每个模态的流形结构，以保留模态数据的原始几何和局部特征；然后，利用动态潜隐变量DLV技术，提取多模态数据中的动态潜变量；最后，结合各模态的动态特征，构建多模态动态流形学习MM‑DML模型，充分考虑各模态之间的流形结构及其动态特性，通过融合多模态信息，提升工业过程异常监测的准确性。