一种基于Deep DPCA-SVM的故障检测方法

摘要

本发明公开了一种基于Deep DPCA‑SVM的故障检测方法，首先在工业生产系统正常工况和M个不同类型故障工况下获取若干采样时刻的测量数据向量，然后生成每种工况对应的动态样本矩阵并进行标准化，采用正常工况标准化的动态样本矩阵对预选构建好的Deep DPCA模型进行训练，然后将每种工况标准化的动态样本矩阵输入训练好的Deep DPCA模型，计算每个工况对应的比例向量作为SVM模型的训练样本集，再对SVM模型进行训练，在工业生产系统运行过程中，采用相同方法获取当前采样时刻的比例向量，通过训练好的SVM模型实现故障检测。本发明构造多层DPCA模型形成Deep DPCA模型提取样本中的动态特征，结合SVM模型实现故障检测，可以有效提升故障检测效果。