發(fā)布時間：2021-07-16 19:47

　　隨著科技的創(chuàng)新和社會的進步,數(shù)據(jù)采集技術得到顯著提升,高維數(shù)據(jù)流（High-dimensional Data Stream,HDS）在醫(yī)學、機械、工業(yè)工程等領域開始廣泛出現(xiàn)。除了HDS的在線監(jiān)控之外,精確而高效的故障診斷也變的越來越重要。在本文中,我們將HDS的故障診斷問題闡述為一個新穎的多重檢驗問題,并通過控制過度遺漏發(fā)現(xiàn)概率（Missed Discovery Excessive Probability,MDX）來對HDS進行異常診斷,克服了傳統(tǒng)診斷方法的限制,并能夠顯著的提高異常診斷的穩(wěn)健性和精確度。我們給出了MDX的Monte-Carlo近似計算方法,并在此基礎上提出了Oracle和DataDriven診斷程序。我們通過模擬研究和一個實例分析來闡明所提方法的優(yōu)越特性。 

【文章來源】：數(shù)理統(tǒng)計與管理. 2020,39(03)北大核心CSSCI

【文章頁數(shù)】：16 頁

【部分圖文】：

圖２不同ｎ取值下基于ｐ值與Ｌ／ｄｒ的故障診斷程序ＭＤＰ密度函數(shù)曲線??（ａ）＾＝２??０?０．０２?０．０４?０．０６?０．０８?０．１??０??

５０２??數(shù)理統(tǒng)計與管理??第３９卷第３期２０２０年５月??０?０．０２?０．０４?０．０６?０．０８?０．１??ＭＤＰ??圖４不同；ｐ取值下基于ｐ值與Ｌ／辦的故障診斷程序的密度函數(shù)曲線??（ａ）ｎ＝１?（ｂ）ｎ＝２??０．０２?０．０４?０．０６?０．０８?０．１??（ｅ）ｐ＝０．３??０?０．０２?０．０４?０．０６?０．０８?０．１??ＭＤＰ??（ｅ）ｎ＝１５??０?０．０２?０．０４?０．０６?０．０８?０．１??（ｆ）ｎ＝２０??圖５不同ｎ取值下基于控制ＭＤＸ與控制ＭＤｉ？的故障診斷程序ＭＤＰ的密度函數(shù)曲線??０?０．０２?０．０４?０．０６?０．０８?０．１??（ｃ）ｐ＝〇－２??０?０．０２?０．０４?０．０６?０．０８?０．１??（ｄ）ｐ＝０．２５???基于Ｌｆｄｒ???基于ｐ值??ＡＪＩＳＵ３Ｑ??ＡＪＩＳＵＳ??ＡＪ１ＳＵ９Ｑ??

楊梓櫻等：基于控制過度遺漏發(fā)現(xiàn)概率的高維數(shù)據(jù)流異常診斷??５０．３??０．０２?０．０４?０．０６?０．０８?０．１??（ｃ）＾＝３??（ｄ）＾＝３．５??圖６不同／ｉｉ取值下基于控制與控制ＭＤｉ？的故障診斷程序ＭＤＦ的密度函數(shù)曲線??２數(shù)值模擬??本節(jié)將針對上文所提出的基于控制ＭＰＸ的ＨＤＳ故障診斷程序進行模擬研究，并將其??與文獻中的方法進行對比，來闡述所提方法在ＨＤＳ故障診斷中的高度可靠性等優(yōu)點。??２．１基于Ｐ值與１／辦形式的故障診斷程序比較??本節(jié)中，不失一般性，我們令ａ?＝?〇觀且ｔ?＝?０．０Ｓ３樣本維數(shù)ｍ?＝?１０００。在利用??Ｃ？＿ｌ〇近似計算ＭＢ不的過程中，設定ｉＶ?＝?１００００且Ｊｆ?＝?１００次。我們假定Ｘ｜０服從如下分??布：??Ｘ＼ｅ＾?（１?－?ｃｒ〇）．＊??．?．?（１５）??？Ｂｅｒｎｏｕｌｌｉ（ｐ），?２?＝?１，?２，?？?？?？?，?ｍ．??我們根據(jù)模型（１５）產生失控觀測樣本，并對其進行故障診斷。圖２是基于ｐ值與Ｌ／．的故??障診斷程序尸的分布在不同的ｎ取值下的比較結果，其中／／〇二０，?ｒ?＝?１，卅＝３，?ｑ?＝?１．５，??以及ｐ?＝?〇．久??基于圖２，我們可以發(fā)現(xiàn)，不管是使用ｐ值或是控制的故障診斷程序都會??導致右偏的分布，且Ｌ／奮的結果要比Ｐ值的結果更加可靠。不管》如何變化，基于??石的故障診斷程序都表現(xiàn)出高度可靠性。圖３是基￥?ｐ值與Ａｆ咖的故障診斷程序ＭＤＰ??的分布在不同的Ｍｉ取值下的比較結果，其中Ｗ（２，２Ｊ，％３４４），?ｎ＝?１〇，其他參數(shù)與圖２中相??同。圖４是基于ｐ值與石／ｒｆｒ的故障診斷程序ＭＤｆ的分布在不同的ｐ取值下的比較結果，其


本文編號：3287647