申请/专利权人：华中科技大学

申请日：2020-12-18

公开（公告）日：2024-03-22

公开（公告）号：CN112541554B

主分类号：G06F18/214

分类号：G06F18/214;G06F18/23213;G06F18/28

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.04.09#实质审查的生效;2021.03.23#公开

摘要：本发明公开了一种基于时间约束的核稀疏表示的多模态过程监控方法及系统，属于多模态过程监控领域，所述方法包括：根据待识别模态的训练样本集，选取窗口大小，计算时间加权矩阵；求解训练样本集的稀疏系数矩阵；对稀疏系数矩阵进行模态划分，得到训练样本集的模态辨识结果；从每个模态中选择具有代表性的样本，组成新的字典矩阵；计算在线新样本的稀疏系数向量，判断在线新样本所属模态；判断在线新样本是否为故障。本发明考虑了工业过程变量之间的时间相关性，得到更为准确的模态辨识结果；选取每个模态具有代表性的样本，得到更为准确的故障检测结果。

主权项：1.一种基于时间约束的核稀疏表示的多模态过程监控方法，其特征在于，包括：1采集不同模态的正常数据，构成训练样本集Y；2根据所述训练样本集Y，选取窗口大小l，计算时间加权矩阵W；3基于所述时间加权矩阵W，求解所述训练样本集Y的稀疏系数矩阵C；4对所述稀疏系数矩阵C进行模态划分，得到所述训练样本集Y的模态辨识结果；5基于所述模态辨识结果，从每个模态中选择代表样本，组成新的字典矩阵所述代表样本为所述训练样本集Y中用于核稀疏表示次数较多的样本；6计算在线新样本ynew在新的字典矩阵下的稀疏系数向量cnew；7基于所述稀疏系数向量cnew，计算在线新样本ynew属于第i个模态的后验概率post_pi，并判断在线新样本ynew所属的模态；8计算在线新样本ynew的监控统计量值，从而判断在线新样本ynew是否为故障；所述步骤2中，时间加权矩阵其中，1≤i,j≤n，n为训练样本集Y的样本个数，l为窗口大小；所述步骤3包括：3.1选取高斯核函数，计算训练样本集Y的核函数矩阵其中，σ是带宽；3.2求解C，使其满足下式： s.t.diagC＝0CT1＝1其中，C是需要求解的稀疏系数矩阵；λ1和λ2是惩罚因子；⊙是哈达玛积；Tr是矩阵的迹；1∈Rn是具有n个元素为1的列向量；||·||1是矩阵的一范数；Φ·是从低维空间到高维空间的映射函数。

全文数据：

权利要求：

百度查询： 华中科技大学 基于时间约束的核稀疏表示的多模态过程监控方法及系统

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