针对离群点影响的多模态过程监控方法

摘要

在开展过程监控的离线建模的工作中,当训练数据集含有离群点时,高斯混合模型(Gaussian Mixture Model,GMM)不能准确刻画多模态数据特征.为解决GMM易受离群点影响的问题,本文提出了LoOP-GMM的过程监控方法.首先,用局部离群概率(Local Outlier Probability,LoOP)算法在数据预处理阶段检测并剔除训练数据集中的离群点,并用GMM算法建立离线模型,同时根据后验概率将训练数据集进行聚类.其次,考虑到在线样本的离群概率,构造一个新的全局概率指标作为统计量并用于多模态过程故障监控.最后,通过数值仿真和连续搅拌釜反应器(Continuous Stirred Tank Reactor,CSTR)过程验证了本文所提方法的有效性.