郭小萍， 李 婷， 李 元

(沈阳化工大学 信息工程学院， 辽宁 沈阳 110142)

基于LPP-kNN方法的间歇过程故障监视

郭小萍， 李 婷， 李 元

(沈阳化工大学 信息工程学院， 辽宁 沈阳 110142)

针对批次过程数据具有高维、非线性及多模态等特性，提出一种自适应LPP-kNN的过程监视方法.利用局部保持映射算法(LPP)提取高维多模态批次数据的自适应变换矩阵构成新的建模数据.采用局部近邻标准化方法(LNS)进行标准化，并利用kNN算法构造统计监测指标.最后，通过在半导体工业实例中的应用验证了所提算法的有效性.

过程监视； 间歇过程；k近邻； 局部保持映射； 局部近邻标准化

随着现代社会对多品种、多规格和高质量产品更迫切的市场需求,工业生产更加倚重于生产小批量、高附加值产品的间歇过程，间歇过程的性能监视与故障诊断技术正日益受到工业界和学术界的关注和重视.间歇生产过程通常具有高维、多模态、非线性等特点[1-2].针对高维数据的降维，主元素分析(PCA：Principal component analysis)方法是一种广泛应用的线性降维方法，具有局部最优特点，但会破坏数据之间的拓扑结构.近年来，局部保持映射(LPP)方法被广泛应用于数据降维[3-5]，它既能保持原始数据的拓扑结构，又能通过计算数据的k近邻达到全局最优，在文本检索、人脸识别、图像分类等领域得到了广泛应用.针对数据标准化问题，常用的Z-score方法是在假设原始数据符合单中心正态分布前提下进行的操作，然而在实际工业生产中获得的数据往往……