《表2 四种方法的故障检测率Tab.2 Fault detection rate among four methods》

  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

《非局部约束下的局部稀疏保持投影及其在故障检测中的应用》

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

%

为了进一步验证NLC-LSPP方法的可行性，将其与传统的PCA方法、文[12]涉及的LPSM方法、LPP方法和加入核密度估计的NLC-LSPP比较分析，后3种方法采用T2统计指标，对TE过程中几类故障数据进行监测，详细的故障检测率列于表，其中故障检测率=已检测到的故障样本数/所有的故障样本数×100%，误报率=被误报为故障的正常样本数/所有正常样本数×100%.仿真时采集400个正常样本作为训练集，测试集包含1 000个样本，其中前200个样本为正常操作，后800个样本为故障数据.从平均检测率来看，LPSM方法取得了比传统的PCA、LPP方法更好的监测结果，主要是由于LPSM构建了局部保持投影下的稀疏模型，比较准确地反映过程数据的结构特征.NLC-LSPP方法监测性能优于LPSM方法，由于其综合考虑了数据局部和非局部邻域关系的稀疏表示，更精确地表征过程数据的内在结构特性，反映了过程变化情况.此外，加入核密度估计的NLC-LSPP方法由于准确估计了稀疏码的概率密度，添加了合适的权重，获得了最高的检测率.