关键词:
工业过程
故障诊断
邻域保持嵌入
低秩表示
流形学习
摘要:
基于邻域保持嵌入(NPE)的故障诊断算法因其能够有效地提取过程数据的局部信息而被广泛应用,但是典型的NPE方法对参数选择和噪声等离群点敏感,同时忽略了过程数据的全局信息,由此提出一种基于鲁棒低秩自适应邻域保持嵌入(RLANPE)的故障诊断算法.该方法将自适应邻域嵌入、投影学习和低秩表示集成到一个框架中,在获得全局最优解的同时能有效提取数据的局部信息;进一步地,为了探索数据的全局信息并减轻异常值的影响,对RLANPE施加低秩表示约束,以增强RLANPE的特征提取能力和鲁棒性;此外,对RLANPE引入基于l2,1范数的投影约束,以从复杂的数据中选择最有判别力的特征.通过3个合成数据集验证所提方法的降维效果和结构保持能力,在田纳西伊斯曼过程中的平均故障检测率可达83.72%,相比对比算法可提高近3%.