基于递归协整分析与弹性权重巩固的非平稳过程监测
系统与控制
2021-01-22 v1 机器学习
系统与控制
摘要
本文考虑频繁变化操作条件下的非平稳过程监测问题。传统方法通常将正常动态偏差误判为故障，从而导致高误报。此外，它们一般只考虑单一相对稳态操作条件，并在学习连续操作条件时遭受灾难性遗忘问题。本文首先提出递归协整分析（RCA）以区分真实故障与正常系统变化，其中模型在取得新正常样本时即更新，并可适应协整关系的缓慢变化。基于 RCA 提取的长期均衡信息，剩余短期动态信息由递归主成分分析（RPCA）监测。从而构建了综合监测框架。当系统进入新操作条件时，重建 RCA-RPCA 模型以应对新条件。同时，采用弹性权重巩固（EWC）解决 RPCA 固有的“灾难性遗忘”问题，其中增强 influential 参数的显著信息以避免相似模态下的性能突降。所提方法的有效性通过实际工业系统得以验证。
引用
@article{arxiv.2101.08579,
title = {Monitoring nonstationary processes based on recursive cointegration analysis and elastic weight consolidation},
author = {Jingxin Zhang and Donghua Zhou and Maoyin Chen},
journal= {arXiv preprint arXiv:2101.08579},
year = {2021}
}
备注
This paper has been submitted to IEEE Transaction on Cybernetics for potential publication