论文部分内容阅读
针对化工过程变量数据信息的非高斯分布特性,提出非正常高斯元域划分采样数据信息的方法进行数据的区域划分,从而克服了由于采样数据不服从单峰的高斯分布给过程故障诊断带来的干扰与误差.通过数据非正常高斯元域划分,使基于多变量统计数据驱动的故障诊断的准确性与可靠性得以提高.通过模拟田纳西-伊斯曼( Tennessee Eastman,TE)过程的仿真实验,验证了此方法的合理性与有效性.