基于共享子空间多视角非负矩阵分解的工业故障检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109948503A(43)申请公布日2019.06.28(21)申请号201910189258.3(22)申请日2019.03.13(71)申请人东北大学地址110819辽宁省沈阳市和平区文化路3号巷11号(72)发明人马川张颖伟(74)专利代理机构沈阳东大知识产权代理有限公司21109代理人梁焱(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)F27B14/20(2006.01)权利要求书5页说明书11页附图8页(54)发明名称基于共享子空间多视角非负矩阵分解的工业故障检测方法(57)摘要本发明涉及故障监测与诊断技术领域，提供一种基于共享子空间多视角非负矩阵分解的工业故障检测方法，首先使用多个摄像头对电熔镁炉的炉面图像数据进行采集，通过灰度化、归一化处理后，得到各视角的炉面图像矩阵；然后，采用非负矩阵分解方法建立并训练炉面图像矩阵在低维空间的目标函数模型；接着，通过各视角的公共映射矩阵及公共投影矩阵对验证样本的炉面图像矩阵进行降维，并计算各视角的低维表示矩阵与公共特征矩阵的差异性，通过核密度估计得到各视角的99％控制线值；最后，实时采集与处理炉面图像数据，比较待测样本中各视角的差异性与99％控制线值，判断工业故障是否发生。本发明能够提高工业故障检测的准确率。CN109948503ACN109948503A权利要求书1/5页1.一种基于共享子空间多视角非负矩阵分解的工业故障检测方法，其特征在于，包括下述步骤：步骤1：在电熔氧化镁的工业生产过程中固定D个摄像头，利用所述D个摄像头对正常工况下N个时刻的电熔镁炉的炉面图像数据进行采集，得到N个训练样本，每个训练样本包括D个视角下的炉面图像数据；对每个训练样本中每个视角下的炉面图像数据进行灰度化及归一化处理，得到第n个训练样本中第d个视角下的炉面图像矩阵n＝1,2,…,N，d＝1,2,…,D；步骤2：通过非负矩阵分解，建立N个训练样本中D个视角下的炉面图像矩阵在低维空间的目标函数模型为求解所述目标函数模型，得到Wd、Vd、H*；其中，Wd为第d个视角的公共映射矩阵，为第n个训练样本中第d个视角的低维表示矩阵，Vd为第d个视角的公共投影矩阵，H*为所有视角的炉面图像矩阵在低维空间的公共特征矩阵，λ1、λ2均为系数参数；Qn＝{1,2,3,...,N}-{n}，为第d个视角下第n个训练样本与第j个训练样本的权重系数，步骤3：重新采集正常工况下D个视角下N个时刻的电熔镁炉的炉面图像数据，得到N个验证样本，对每个验证样本中每个视角下的炉面图像数据进行灰度化及归一化处理，得到第n个验证样本中第d个视角下的炉面图像矩阵n＝1,2,…,N，d＝1,2,…,D；通过第d个视角的公共映射矩阵Wd及公共投影矩阵Vd将第n个验证样本中第d个视角下的炉面图像矩阵映射到低维，得到第n个验证样本中第d个视角的低维表示矩阵为：步骤4：计算每个验证样本中每个视角的低维表示矩阵与公共特征矩阵H*的差异性为得到验证样本中第d个视角的差异性数据集步骤5：对验证样本中第d个视角的差异性数据集Cd进行核密度估计，估计出差异性数据集Cd的数据分布，计算出第d个视角的概率密度为99％的控制线步骤6：对电熔镁炉进行工业故障的在线检测，具体步骤如下：2CN109948503A权利要求书2/5页步骤6.1：实时采集D个视角下N个时刻的电熔镁炉的炉面图像数据，得到N个待测样本，对每个待测样本中每个视角下的炉面图像数据进行灰度化及归一化处理，得到第n个待测样本中第d个视角下的炉面图像矩阵n＝1,2,…,N，d＝1,2,…,D；步骤6.2：通过第d个视角的公共映射矩阵Wd及公共投影矩阵Vd将第n个待测样本中第d个视角下的炉面图像矩阵映射到低维，得到第n个待测样本中第d个视角的低维表示矩阵为步骤6.3：计算第n个待测样本中第d个视角的低维表示矩阵与公共特征矩阵H*的差异性为得到待测样本中第d个视角的差异性数据集步骤6.4：比较第n个待测样本中第d个视角的差异性与第d个视角的控制线的大小，若则电熔镁炉在第n个待测样本对应的时刻发生故障；若则电熔镁炉在第n个待测样本对应的时刻没有发生故障。2.根据权利要求1所述的基于共享子空间多视角非负矩阵分解的工业故障检测方法，其特征在于，所述步骤2中求解目标函数模型的具体步骤如下：步骤2.1：随机生成每个视角的公共映射矩阵Wd、每个视角的公共投影矩阵Vd的初始值及每个训练样本中每个视角的低维表示矩阵的初始值，并通过式(2)生成公共特征矩阵H*的初始值：步骤2.2：固定Vd、H*，求取Wd，具体步骤如下：步骤2.2.1：将式(1)转化为：步骤2.2.2：由d得到式(3)对(W)ik的偏导为：3