论文部分内容阅读
本文提出了一种基于高斯混合模型的多工况过程监测方法。首先在主元空间利用GMM（Gaussian Mixture Models）对过程数据进行聚类，自动获取工况和相关分布特性。然后对每个工况建立PCA（Principal Component Analysis）模型来描述整个过程的统计特性。最后在过程监测中，根据监测样本属于各个工况的概率构造综合统计量，实现对多工况过程的故障检测。TE过程的仿真结果表明，本文提出的方法优于传统的PCA方法，能更准确及时地检测出多工况过程的各种故障。