基于非负矩阵分解的多模态过程故障监测方法

朱红林; 王帆; 侍洪波; 谭帅

doi:10.11949/j.issn.0438-1157.20151392

您当前的位置：

首页 >

文章列表页 >

基于非负矩阵分解的多模态过程故障监测方法

过程系统工程 | 更新时间：2025-12-10

- 基于非负矩阵分解的多模态过程故障监测方法
- Fault detection method based on non-negative matrix factorization for multimode processes
- 化工学报 2016年第5期页码：1973-1981
- 作者机构：
  
  华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海,200237
- 作者简介：
- 基金信息：
- DOI：10.11949/j.issn.0438-1157.20151392
  中图分类号： P277
- 网络首发：2016-05-05，
  
  纸质出版：2016-05-05
- 稿件说明：
移动端阅览
朱红林, 王帆, 侍洪波, 等. 基于非负矩阵分解的多模态过程故障监测方法[J]. 化工学报, 2016,(5):1973-1981.

ZHU Honglin, WANG Fan, SHI Hongbo, et al. Fault detection method based on non-negative matrix factorization for multimode processes[J]. CIESC Journal, 2016, (5): 1973-1981.
朱红林, 王帆, 侍洪波, 等. 基于非负矩阵分解的多模态过程故障监测方法[J]. 化工学报, 2016,(5):1973-1981. DOI： 10.11949/j.issn.0438-1157.20151392.

ZHU Honglin, WANG Fan, SHI Hongbo, et al. Fault detection method based on non-negative matrix factorization for multimode processes[J]. CIESC Journal, 2016, (5): 1973-1981. DOI： 10.11949/j.issn.0438-1157.20151392.

摘要

针对传统的多元统计故障监测方法往往需要假设测量数据服从单一高斯分布的不足

提出了一种基于非负矩阵分解(NMF)的多模态故障监测方法。首先使用标准的NMF算法对训练集数据进行聚类

将多模态数据划分到各个模态中;然后使用稀疏性正交非负矩阵分解(SONMF)算法对各模态分别建模

同时构造监控统计量进行故障监测。将提出的基于非负矩阵分解的多模态故障监测方法应用于数值例子和TE过程的仿真结果表明

该方法能够及时有效地检测出多模态过程中的故障。

Abstract

The traditional multivariate statistical fault detection methods are designed for single operating conditions and may produce erroneous conclusions if they are used for the multi-mode process monitoring. A novel multi-mode process monitoring approach based on non-negative matrix factorization (NMF) is proposed in this paper. First

the training set of data is clustered by the standard NMF algorithm and the multi-mode data are divided into each mode. Then

the sparseness orthogonal NMF (SONMF) algorithm is used to model every mode and the monitoring statistics are constructed to perform fault detection. The proposed method is applied to a numerical example and the TE process. The simulation results show that this method can effectively detect multi-mode process failure.

关键词

Keywords

references

浏览量

171

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于稀疏性非负矩阵分解的故障监测方法

石油馏分基础数据模型建模方法

基于LPP-GNMF算法的化工过程故障监测方法

过渡金属基氮掺杂炭的构筑及其脱硫性能研究

基于时序-空间双流卷积神经网络的炼化污水厂进水COD预测模型