消去时序相关性的多模型动态PCA故障监测方法

发明专利有效专利

申请号：
CN201911032490.2
IPC分类号：G06F17/18;G06F17/16;G06K9/00
申请日期：
2019-10-28
申请人：
华北理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	消去时序相关性的多模型动态PCA故障监测方法
申请号	CN201911032490.2	申请日期	2019-10-28
法律状态	公开	申报国家	中国
公开/公告日	2020-02-14	公开/公告号	CN110795695A
优先权	暂无	优先权号	暂无
主分类号	G06F17/18 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/10 复杂数学运算的〔6〕 G06F17/18 用于换算统计数据的〔6〕	IPC分类号	G;0;6;F;1;7;/;1;8;;;G;0;6;F;1;7;/;1;6;;;G;0;6;K;9;/;0;0查看分类表>
申请人	华北理工大学	申请人地址	河北省唐山市曹妃甸区唐山湾生态城渤海大道21号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	华北理工大学	当前权利人	华北理工大学
发明人	鄂东辰;董兴华;王宝中;郑直;王莹;龙海洋
代理机构	唐山永和专利商标事务所	代理人	魏伟

摘要

本发提供一种消去时序相关性的多模型动态PCA故障监测方法，其过程是：首先，对批次性正常生产过程的监测数据进行标准化处理；其次，分别对一个批次内每个时刻建立时间序列模型，通过减法运算消去相邻时刻数据的时序相关性；然后，对批次内每个时刻的随机分布数据分别进行PCA特征提取；最后，基于提取的关系特征构造高阶统计量，通过高阶统计量与其控制限对比实现故障监测，具体演算过程分为建模和监测两个阶段，建模阶段包含简单随机分布数据生成和PCA特征提取两过程，本发明是非时变消去时序相关动态PCA的补充，它使PCA理论体系更架完善，为基于数据统计的非平稳动态工作过程故障监测奠定基础。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供