申请/专利权人：宁波大学

申请日：2019-03-12

公开（公告）日：2023-10-17

公开（公告）号：CN111695229B

主分类号：G06F30/20

分类号：G06F30/20;G06F18/2134;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2023.10.17#授权;2020.10.20#实质审查的生效;2020.09.22#公开

摘要：本发明公开一种基于GA‑ICA的新型分散式非高斯过程监测方法，旨在利用十进制的遗传算法求解ICA模型，并推导出多块ICA算法的实施过程，在此基础上即可实施分散式的非高斯过程监测。本发明方法在实施多块建模的过程中，首先利用十进制的遗传算法求解所有测量变量对应的分离向量与独立成分，然后再根据各个变量子块的独特性，将各变量子块对应的独立成分分离出来。因此，本发明方法在实施多块建模时综合考虑了所有测量变量的整体性与各变量子块的局部特性，这是一种全新的分散式非高斯过程监测方法。此外，具体实施案例中将会验证本发明方法的优越性，从而说明本发明方法是一种更为优选的分散式非高斯过程监测方法。

主权项：1.一种基于GA-ICA的新型分散式非高斯过程监测方法，其特征在于，包括以下步骤：离线建模阶段包括步骤1至步骤7：步骤1：在生产过程对象正常运行状态下，采集n个样本数据x1，x2，…，xn组成训练数据矩阵X＝[x1，x2，…，xn]∈Rm×n，并计算均值向量μ＝x1+x2+…+xn以及标准差向量δ∈Rm×1： 其中，⊙表示向量xi-μ与xi-μ中的对应元素相乘、xi∈Rm×1表示第i个样本数据、m为测量变量的总个数、i＝1，2，…，n、R为实数集，Rm×n表示m×n维的实数矩阵；步骤2：根据公式对样本数据x1，x2，…，xn分别实施标准化处理，从而得到矩阵其中，表示向量xi-μ与标准差向量δ中的对应元素相除，为标准化后的数据向量；步骤3：根据生产过程对象的组成结构，确定各个生产单元所涉及到的测量变量，以此将m个测量变量分成B个变量子块，并根据这B个变量子块从矩阵中选取相应的行向量分别组成B个子块矩阵步骤4：设置分离向量的个数为D，并利用十进制的遗传算法求解矩阵的D个分离向量w1，w2，…，wD、D个混合向量p1，p2，…，pD、以及D个独立成分向量t1，t2，…，tD；步骤5：根据D个分离向量w1，w2，…，wD，依次对B个变量子块矩阵实施独立成分的提取，具体的实施过程如下所示：步骤5.1：初始化d＝1；步骤5.2：根据步骤3中的B个变量子块，从第d个分离向量wd中选取相应的元素分别组成B个变量子块对应的分离向量wd1，wd2，…，wdB；步骤5.2：针对b∈{1，2，…，B}的所有取值，分别判断是否满足条件：若否，则依次根据公式与分别计算第b个变量子块对应的独立成分向量tdb与载荷向量adb后，跳转至步骤5.3；若是，则将第b个变量子块对应的分离向量w1b，w2b，…，wdb组成分离矩阵Wb，并将已计算出的第b个变量子块对应的所有独立成分向量与所有载荷向量分别组成独立成分矩阵Tb与载荷矩阵Pb后，再跳转至步骤5.4；步骤5.3：根据公式更新第b个变量子块矩阵后，跳转至步骤5.5；步骤5.4：保留第b个变量子块对应的独立成分矩阵Tb、分离矩阵Wb、以及载荷矩阵Pb；步骤5.5：判断是否满足条件：d＜D？若是，则置d＝d+1后，返回步骤5.2；若否，则得到所有B个变量子块对应的分离矩阵W1，W2，…，WB及载荷矩阵P1，P2，…，PB；步骤6：先根据公式Λb＝TbTbTn-1计算协方差矩阵Λ1，Λ1，…，ΛB后，再根据公式Qb＝diagTbTΛb-1Tb计算监测统计指标向量Q1，Q2，…，QB，其中diag表示将矩阵对角线的元素转变成向量的操作，上标号T表示矩阵或向量的转置；步骤7：分别对监测统计指标向量Q1，Q2，…，QB中的元素按大小进行降序排列，并将第n100个最大值分别做为各变量子块的监测统计指标上限CL1，CL2，…，CLB；在线监测阶段执行如下所示步骤：步骤8：收集新采样时刻的样本数据x∈Rm×1，并根据公式对x实施标准化处理得到向量步骤9：根据步骤3中的B个变量子块，可对应地将向量分成B个子向量步骤10：先根据公式分别计算各子向量对应的独立成分向量y1，y2，…，yB，再根据公式计算监测指标步骤11：针对下标号b的所有取值，判断是否满足条件：若是，则当前采样时刻生产过程对象是正常运行的，返回步骤8继续监测下一时刻的样本数据；若否，则当前采样时刻生产过程对象进入异常运行状态。

全文数据：

权利要求：

百度查询： 宁波大学 一种基于GA-ICA的新型分散式非高斯过程监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD