简介:【摘要】:本研究致力于发展一种基于集成学习传递熵的微小故障检测方法,以应对处理过程数据中的挑战。通过对传统多元统计分析方法的综合考察,结合了传递熵、滑动窗口、秩和比法、以及贝叶斯推理等关键技术,提出了一套创新的故障检测框架。采用传递熵作为信息传递的度量,通过滑动窗口采集传递熵数据集,计算监测统计量和控制限,使得系统更加敏感地捕捉数据分布的变化。为了优化传递熵数据集的选择,引入了秩和比法对评价指标进行排序,以确保选取高质量的数据集,提高监测结果的准确性。为验证所提出方法的有效性,进行了数值例子和连续搅拌反应釜过程的故障检测实验。与传统方法相比,本文所创方法在微小故障检测方面表现出显著的优势,展示了其在提高检测性能和减少误报率方面的潜在价值。