一种基于自学习的非平稳过程异常检测方法

摘要

本发明提出了一种基于自学习的非平稳过程异常检测方法，属于故障检测领域。随着现代工业过程的不断大型化、集成化、复杂化，实际的工业过程往往都是非平稳过程，即状态监测变量的统计特性会随着时间发生变化，而且二值变量也普遍存在于过程监测变量中，本发明针对连续变量和二值变量同时存在的情况下，构建能同时挖掘连续变量和二值变量信息的自学习特征权值混合朴素贝叶斯模型对非平稳过程进行异常检测。本发明与传统方法相比，在在线检测的同时通过自学习对模型参数进行调整，因其具有挖掘新采样数据所携带信息的能力，使其对非平稳过程的异常检测能力更强。