LWT-SSF特征学习的双变量过程均值偏移在线诊断  

On-line Identification of Mean Shifts in Bivariate Processes Using Lifting Wavelet Transform and Stacked Sparse Filtering

作　　者：周昊飞 王国东 李婧 ZHOU Hao-fei;WANG Guo-dong;LI Jing

机构地区：[1]郑州航空工业管理学院管理工程学院,河南郑州450046

出　　处：《制造业自动化》2024年第5期54-60,共7页Manufacturing Automation

基　　金：国家自然科学基金(71871204);河南省科技攻关项目(212102210053);教育部人文社科项目(21YJC630151)。

摘　　要：为了提升双变量过程均值偏移的诊断效率,提出了提升小波重构去噪增强、堆叠稀疏滤波特征学习和Softmax回归分类的双变量过程均值偏移在线诊断模型。首先,对原始数据流进行提升小波分解与重构,以突显其整体变化特性。其次,利用堆叠稀疏滤波对重构后的数据序列进行逐层学习,得到维度低且表征强的数据特征。而后,通过带有标签的特征数据对Softmax回归分类器进行有监督学习,识别双变量过程均值偏移的失控源。最后,仿真实验验证了所提诊断模型的有效性。

关 键 词：双变量过程 均值偏移 提升小波变换 堆叠稀疏滤波 Softmax回归 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术] TH165.4[自动化与计算机技术—计算机科学与技术]