买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开尤其涉及一种基于MCF‑OCCA的质量相关故障检测方法，并在此基础上建立了质量相关的故障检测模型。具体来讲，首先，为了衡量过程变量对质量变量的影响，本发明提出了一种基于互信息和典型相关分析的特征选择方法，计算过程变量对质量变量的影响，选择对质量变量影响较大的过程变量。然后，基于挑选出的变量利用正交典型相关分析建立质量相关故障检测模型。相比于传统的方法，本发明方法剔除了与质量不相关的过程变量，增加了建模的准确性；并构建选择出的过程变量和质量变量的系数矩阵，对其进行SVD分解，得到与质量变量正交和与质量变量相关的子空间，解决了质量变量在线不可测的问题，是一种更优的质量相关故障检测方法。

主权项：1.一种基于MCF-OCCA的质量相关故障检测方法，其特征在于：所述方法包括以下步骤：离线建模阶段的实施过程如下所示：步骤1采集工业生产对象在正常运行下的样本数据，组成训练数据集，其中过程变量集为质量变量为训练数据集的每一列是一个测量点，即特征，每一行是一个样本数据，计算训练数据集的均值μ和标准差σ，并按照公式1对进行标准化，得到标准化后的数据集X∈Rn×m，以同样的方式对进行标准化，得到标准化后的数据y∈Rn×1； 其中x为标准化后数据集X的一行数据，x∈R1×m，μ＝[μ1,μ2,…,μm]，σ＝diagσ1,σ2,…,σm；步骤2利用CCA和互信息，提取X中质量相关的信息，将其作为训练数据Xtrain∈Rn×v′进行建模；具体实施过程如下所示：①计算X中的每一个特征xii＝1,2,…,m和y的互信息MIii＝1,2,…,m，计算方式如公式2所示，保留与y互信息最大的变量，比如那么且mi＝[maxMIi]； ②把和剩下m-1个变量分别结合起来形成新的矩阵其中i＝1,…,m,p＝i,且；③计算的协方差矩阵y的协方差矩阵∑y，和y的互协方差矩阵④对进行SVD分解，得到kp＝rankΣp，得到⑤计算up和y的互信息MIp,此时把最大的互信息值存到mi向量中，mi＝[maxMIv,maxMIp]；⑥重复执行步骤②③④⑤，直到mi∈R1×m；⑦向量mi中存在一个最大值，选择最大值所在的列，如果最大值所在的列为v'，则选择的前v'列，作为与质量相关的信息提取后的训练数据Xtrain∈Rn×v′进行建模；步骤3利用OCCA对Xtrain和y建立模型，得到质量相关投影矩阵U1和质量无关投影矩阵U2；步骤4构造统计量其中inv为求逆函数，cov为协方差函数；步骤5设定置信度α，确定控制线其中n为样本数，F为F分布，v'为数据集Xtrain的特征数；在线监测阶段的实施过程如下所示：步骤6获取在线样本利用训练数据集的均值和标准差对其标准化，则步骤7选择与离线建模中Xtrain相同的变量，得到xntrain∈R1×v′；步骤8计算在线样本的统计量其中inv为求逆函数，cov为协方差函数；步骤9如果在线采集样本的统计量则判断发生了质量相关的故障；如果且则判断发生了质量无关的故障；如果且则判断过程正常。

全文数据：

权利要求：

百度查询： 华东理工大学 一种基于MCF-OCCA的质量相关故障检测方法