为了提高支持向量数据描述(Support Vector Data Description, SVDD)方法在多工况过程故障检测中建模的准确性,提出了改进的局部近邻标准化(Improved Local Neighbor Standardization, ILNS)和SVDD结合的过程检测方法。首先寻找每个样...为了提高支持向量数据描述(Support Vector Data Description, SVDD)方法在多工况过程故障检测中建模的准确性,提出了改进的局部近邻标准化(Improved Local Neighbor Standardization, ILNS)和SVDD结合的过程检测方法。首先寻找每个样本的第一近邻样本,再寻找第一近邻样本的局部前k近邻集,用近邻集的均值和标准差进行数据标准化,然后对标准化数据利用SVDD进行数据检测。改进的局部近邻标准化方法能够将多模态数据融合为单模态数据,建立更为准确地SVDD模型,提高了SVDD多工况过程检测精度,通过数值仿真和半导体数据实验,验证了ILNS-SVDD方法的有效性及优良性。展开更多
文摘为了提高支持向量数据描述(Support Vector Data Description, SVDD)方法在多工况过程故障检测中建模的准确性,提出了改进的局部近邻标准化(Improved Local Neighbor Standardization, ILNS)和SVDD结合的过程检测方法。首先寻找每个样本的第一近邻样本,再寻找第一近邻样本的局部前k近邻集,用近邻集的均值和标准差进行数据标准化,然后对标准化数据利用SVDD进行数据检测。改进的局部近邻标准化方法能够将多模态数据融合为单模态数据,建立更为准确地SVDD模型,提高了SVDD多工况过程检测精度,通过数值仿真和半导体数据实验,验证了ILNS-SVDD方法的有效性及优良性。