《表1 PLS、NPR算法在故障2、6、12、13下的检测效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多数据结构的集成质量监控方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，采集正常运行条件下的样本，样本点间隔为3 min。经Bootstrap采样3组大小为960的样本集，分别作为PLS、NPR、LGPCR的训练集；为保证模型准确率，分别选取等量的、具有两类模型标签的故障数据集以及剩余的正常样本作为验证集，为此，以检测率、误报率及首报警样本点（即第160个样本后，第1个超过控制限的样本点，此处用符号SPFA表示）为性能指标，分别检验各故障在PLS及NPR下的故障检测效果。如表1所示，在故障2、13情况下，PLS的总体性能优于NPR；在故障6、12情况下，NPR的总体性能优于PLS。即故障2、13对于过程变量的全局结构（均值、方差）的影响更大，故障6、12对过程变量的局部结构影响更为显著。因此，将剩余正常样本与故障2、6、12、13样本数据集作为验证集，用于获取最优权重。表1中黑体数字为两种算法中表现最优的检测结果。