基于改进的局部近邻标准化和kNN的多阶段过程故障检测

摘要 针对多阶段过程数据具有多中心和各工序结构不同的特征问题，提出了一种基于改进的局部近邻标准化和k近邻的故障检测（ILNS-kNN）方法。首先寻找样本的前k个近邻样本的前K局部近邻集；其次使用局部近邻集的均值和标准差来标准化样本，获得标准样本；最后在标准样本集上计算样本的累积近邻距离作为检测指标进行故障检测。改进的局部近邻标准化（ILNS）将各阶段数据的中心平移到原点，并且调整各阶段数据的离散程度，使之近似相等，从而将多阶段过程数据融合为服从单一多元高斯分布的单阶段数据。进行了青霉素发酵过程故障检测实验。实验结果表明ILNS-kNN方法对所设置的六类故障的检测率高于97%。ILNS-kNN方法在保持对一般多阶段过程故障的检测能力的同时，能够实现对阶段方差差异显著的多阶段过程故障的检测，从而更好地保证多阶段生产过程的安全性和产品的高质量