基于邻域保持嵌入和标准距离K近邻的多模态过程故障检测

提出一种基于邻域保持嵌和标准距离K近邻(neighborhood preserving embedding-standard distance k nearest neighbor rule, NPE-SDKNN)的故障检测方法来解决非线性和多模态问题。首先，使用邻域保持嵌入方法提取数据中的流形结构，对数据进行降维；其次，在低维空间计算每个样本的标准距离，将各模态间的数据调整到同一尺度；最后使用标准距离的统计量对故障进行检测。邻域保持嵌入能够解决非线性问题和降低计算复杂度，标准距离K近邻通过用标准距离替代原始距离，消除了数据的多模态特征，使用NPE-SDKNN方法进行故障检测，能够提高多模态数据的故障检测率。在田纳西伊斯曼过程运用NPE-SDKNN方法，结果表明，相对于K近邻、主元分析、邻域保持嵌入、标准距离K近邻方法，NPE-SDKNN具有更高的故障检测率。