10.3969/j.issn.1000-386x.2023.04.007
基于EEMD-kNN的工业过程微小故障检测
针对非线性工业过程早期发生的微小故障不易检出的问题,提出一种基于集合经验模态分解(Ensem-ble empirical Mode Decomposition,EEMD)的k近邻(k-Nearest Neighbor,kNN)指标累积和故障检测方法(EEMD-kNN).通过EEMD预处理原始建模数据,在本征函数构建的数据空间中引入kNN规则,提出构造一种加权因子来强化特征,使重构建模数据集更好地包含数据的非线性特征;再一次采用kNN规则提取重构样本的非线性特征,并构建k近邻距离平方累积和统计量,通过核密度估计法确定其控制限.通过一个数值案例和TE(Tenessee Eastman)过程进行实验仿真,并与kNN和EEMD-PCA方法进行对比,结果验证了该方法的有效性.
集合经验模态分解、k近邻、非线性、微小故障检测
40
TP277;TP3(自动化技术及设备)
国家自然科学基金61673279
2023-05-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
36-40,53