基于概率密度支持向量描述的多模态过程故障检测

来源：计算机应用与软件杂志2025年第7期北京时间：

作者：张成, 李瑞涵, 李元

摘要：针对传统欧氏距离优化高斯核宽参数易受到多模态数据方差差异显著影响的问题，提出一种基于概率密度支持向量描述的多模态过程故障诊断模型。该文将多工况过程数据利用高斯混合模型进行模式识别，并分别计算其概率密度值；应用概率分位点找出各工况下的近邻与远邻样本，将其合并构成新的样本集用于优化高斯核宽参数，并使用最优核宽参数建立多个子SVDD；利用基于变量贡献图的方法进行故障诊断。将所提方法应用于数值例子和田纳西伊斯曼(Tennessee Eastman, TE)化工过程，并将实验结果与传统SVDD和DFN-SVDD进行对比，验证了所提方法的有效性。

关键词：支持向量描述 概率密度 故障检测 多模态过程 过程控制