《表4 数值例子的Kolmogorov-Smirnov检验结果》

  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

《一种基于改进局部熵PCA的工业过程故障检测方法》

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

其中e1，e2，e3，e4和e5是服从[0，0.01]的白噪声。数据源s1和s2的变化可以改变操作条件，因此，通过改变数据源构造两种不同的操作模态。模态1:s1服从[-10，-7]的均匀分布，s2服从[-15，12]的正态分布。模态2:s1服从[2，5]的均匀分布，s2服从[7，12]的正态分布。每个模态产生100个样本，组成具有200个样本的多模态训练数据集。另外每个模态产生100个样本，组成具有200个样本的校验数据集。在模态1运行时，对变量x1增加一幅值为0.01*（i-400）的故障，产生100个故障样本组成测试数据集。图6是训练样本、校验样本、故障样本的数据分布散点图。“星号”代表训练数据，“圆圈”代表校验数据，“方块”代表故障数据。横轴和纵轴分别表示变量1和变量2。从图6可以看出，该数值例子是多模态实例。应用Kolmogorov-Smirnov方法检验原始数据是否服从高斯分布，结果如表4所示。从表4可以看出，变量x1、x2、x3、x4和x5均服从非高斯分布。