基于NNDSVDD的多模态工业过程故障检测

来源：信息与控制杂志2018年第5期北京时间：

作者：谢彦红, 刘文静, 李元

摘要：现代工业存在多模式运行环境，传统的支持向量数据描述（support vector data description，SVDD）作为一种单模态故障检测算法对多模态过程故障的检测存在局限性.针对这一问题，提出一种基于近邻差分（nearest neighbors difference，NND）算法和SVDD算法相结合的多模态工业过程故障检测方法（NNDSVDD）.首先，应用NND预处理多模态数据；然后，在差分数据集上应用SVDD确定统计量的控制限；最后，计算测试数据的统计值将其与控制限比较确定测试数据的状态.近邻差分算法剔除数据的多模态结构为SVDD提供良好的数据基础；在差分数据集的基础上应用SVDD，提高了传统SVDD对多模态过程故障的检测能力.将NNDSVDD应用于数值模拟例子和半导体生产过程进行仿真测试，与传统SVDD相比，NNDSVDD的故障检测率均能达到100%，验证了本文方法的有效性.

关键词：支持向量数据描述, 近邻差分, 多模态, 故障检测