基于互信息矩阵投影的可解释故障检测

Feiya Lv; Shujian Yu; Chenglin Wen; Jose C. Principe

基于互信息矩阵投影的可解释故障检测

信号处理 2021-02-19 v2 系统与控制系统与控制

作者: Feiya Lv , Shujian Yu , Chenglin Wen , Jose C. Principe

摘要

本文提出一种新颖的基于互信息(MI)矩阵的故障检测方法。给定一个 $m$ 维故障过程，MI矩阵是一个 $m \times m$ 矩阵，其中第 $(i,j)$ 项度量第 $i$ 维与第 $j$ 维变量之间的MI值。我们引入近期提出的基于矩阵的R\'enyi $\alpha$ -熵泛函来估计MI矩阵每一项的MI值。该新估计量避免了密度估计，且作用于(归一化)对称正定(SPD)矩阵的特征谱上，这使其非常适用于工业过程。我们结合从MI矩阵提取的变换分量(TCs)的不同阶统计量构成检测指标，并推导出一个简单的相似性指标来监测连续窗口中底层过程特性的变化。我们将整体方法称为“互信息矩阵的投影”(PMIM)。在合成数据与基准Tennessee Eastman过程上的实验证明了PMIM在识别导致故障的根变量方面的可解释性，以及其在故障检测率(FDR)提高和最低误报率(FAR)方面检测故障发生的优越性。PMIM的优势还在于对超参数较不敏感。PMIM的代码可在 https://github.com/SJYuCNEL/Fault_detection_PMIM 获取。

关键词

故障检测互信息矩阵 R\'enyi熵对称正定矩阵 Tennessee Eastman过程可解释性过程监测

引用

@article{arxiv.2007.10692,
  title  = {Interpretable Fault Detection using Projections of Mutual Information Matrix},
  author = {Feiya Lv and Shujian Yu and Chenglin Wen and Jose C. Principe},
  journal= {arXiv preprint arXiv:2007.10692},
  year   = {2021}
}

备注

manuscript accepted at the Journal of The Franklin Institute. MATLAB code is available at https://github.com/SJYuCNEL/Fault_detection_PMIM

基于互信息矩阵投影的可解释故障检测

摘要

关键词

引用

备注

相关论文