基于控制过度遗漏发现概率的高维数据流异常诊断

发布时间：2021-07-16 19:47

　　随着科技的创新和社会的进步,数据采集技术得到显著提升,高维数据流（High-dimensional Data Stream,HDS）在医学、机械、工业工程等领域开始广泛出现。除了HDS的在线监控之外,精确而高效的故障诊断也变的越来越重要。在本文中,我们将HDS的故障诊断问题阐述为一个新颖的多重检验问题,并通过控制过度遗漏发现概率（Missed Discovery Excessive Probability,MDX）来对HDS进行异常诊断,克服了传统诊断方法的限制,并能够显著的提高异常诊断的稳健性和精确度。我们给出了MDX的Monte-Carlo近似计算方法,并在此基础上提出了Oracle和DataDriven诊断程序。我们通过模拟研究和一个实例分析来阐明所提方法的优越特性。 

【文章来源】：数理统计与管理. 2020,39(03)北大核心CSSCI

【文章页数】：16 页

【部分图文】：

图２不同ｎ取值下基于ｐ值与Ｌ／ｄｒ的故障诊断程序ＭＤＰ密度函数曲线??（ａ）＾＝２??０?０．０２?０．０４?０．０６?０．０８?０．１??０??

５０２??数理统计与管理??第３９卷第３期２０２０年５月??０?０．０２?０．０４?０．０６?０．０８?０．１??ＭＤＰ??图４不同；ｐ取值下基于ｐ值与Ｌ／办的故障诊断程序的密度函数曲线??（ａ）ｎ＝１?（ｂ）ｎ＝２??０．０２?０．０４?０．０６?０．０８?０．１??（ｅ）ｐ＝０．３??０?０．０２?０．０４?０．０６?０．０８?０．１??ＭＤＰ??（ｅ）ｎ＝１５??０?０．０２?０．０４?０．０６?０．０８?０．１??（ｆ）ｎ＝２０??图５不同ｎ取值下基于控制ＭＤＸ与控制ＭＤｉ？的故障诊断程序ＭＤＰ的密度函数曲线??０?０．０２?０．０４?０．０６?０．０８?０．１??（ｃ）ｐ＝〇－２??０?０．０２?０．０４?０．０６?０．０８?０．１??（ｄ）ｐ＝０．２５???基于Ｌｆｄｒ???基于ｐ值??ＡＪＩＳＵ３Ｑ??ＡＪＩＳＵＳ??ＡＪ１ＳＵ９Ｑ??

杨梓樱等：基于控制过度遗漏发现概率的高维数据流异常诊断??５０．３??０．０２?０．０４?０．０６?０．０８?０．１??（ｃ）＾＝３??（ｄ）＾＝３．５??图６不同／ｉｉ取值下基于控制与控制ＭＤｉ？的故障诊断程序ＭＤＦ的密度函数曲线??２数值模拟??本节将针对上文所提出的基于控制ＭＰＸ的ＨＤＳ故障诊断程序进行模拟研究，并将其??与文献中的方法进行对比，来阐述所提方法在ＨＤＳ故障诊断中的高度可靠性等优点。??２．１基于Ｐ值与１／办形式的故障诊断程序比较??本节中，不失一般性，我们令ａ?＝?〇观且ｔ?＝?０．０Ｓ３样本维数ｍ?＝?１０００。在利用??Ｃ？＿ｌ〇近似计算ＭＢ不的过程中，设定ｉＶ?＝?１００００且Ｊｆ?＝?１００次。我们假定Ｘ｜０服从如下分??布：??Ｘ＼ｅ＾?（１?－?ｃｒ〇）．＊??．?．?（１５）??？Ｂｅｒｎｏｕｌｌｉ（ｐ），?２?＝?１，?２，?？?？?？?，?ｍ．??我们根据模型（１５）产生失控观测样本，并对其进行故障诊断。图２是基于ｐ值与Ｌ／．的故??障诊断程序尸的分布在不同的ｎ取值下的比较结果，其中／／〇二０，?ｒ?＝?１，卅＝３，?ｑ?＝?１．５，??以及ｐ?＝?〇．久??基于图２，我们可以发现，不管是使用ｐ值或是控制的故障诊断程序都会??导致右偏的分布，且Ｌ／奋的结果要比Ｐ值的结果更加可靠。不管》如何变化，基于??石的故障诊断程序都表现出高度可靠性。图３是基￥?ｐ值与Ａｆ咖的故障诊断程序ＭＤＰ??的分布在不同的Ｍｉ取值下的比较结果，其中Ｗ（２，２Ｊ，％３４４），?ｎ＝?１〇，其他参数与图２中相??同。图４是基于ｐ值与石／ｒｆｒ的故障诊断程序ＭＤｆ的分布在不同的ｐ取值下的比较结果，其


本文编号：3287647