基于局部临近标准化的FD-KNN故障检测

李 元，李美萱，张 成，冯立伟

(沈阳化工大学 信息工程学院，辽宁 沈阳 110142)

基于局部临近标准化的FD-KNN故障检测

李 元，李美萱，张 成，冯立伟

(沈阳化工大学 信息工程学院，辽宁 沈阳 110142)

针对方差相差大的多模态故障诊断数据问题，提出一种基于局部临近标准化(local nearest neighborhood standardization，LNNS)的k近邻故障检测方法( fault detection -k-nearest neighbor rule，FD-KNN)。首先，计算每个样本的局部近邻，采用近邻特征实现标准化，克服传统标准化方法Z-score将多模态数据看成一个整体而使数据不准确问题；其次，计算每个样本间距离，建立局部临近标准化距离模型，通过临近距离确定控制限。最后，在半导体生产过程中进行仿真应用研究，通过实验结果的比较与分析表明了所提方法的有效性。

多模态；局部近邻；k近邻；故障检测

多模态生产过程是指由于外界环境等条件的变化和生产方案的变动或是过程本身固有特性等因素，导致生产过程具有多个稳定工况[1-3]。由于生产策略不同，使得实际工业过程有多个运行模态，在这类多模态过程中，过程数据的均值与协方差结构将随着模态的不同而发生变化。传统的主元分析法(principal component analysis, PCA)[4-6]在多模态过程故障诊断应用中，将所有的样本作为一个整体对待，忽略了类别属性，而它所忽略的投影方向有可能刚好包含了重要的可分性信息，并且PCA对非线性过程的过程监视具有局限性，在多模态过程中不能给出满意的监控效果。

为解决多模态过程监控与故障检测问题，HE等[7]提出了一种k近邻故障检测方法(FD-KNN)，通过计算各训练样本的距离分布，确定统计控制限，进行过程的监视与故障检测[8-9]。……