【IEEETASE】利用工业系统中的潜在变量模型最大化异常检测性能
与传统的过程监控不同，辅助变量模型（VM）是在训练中首次学习的，然后将与提取的潜在特征和残差相关的统计数据用于在线监控。然而，这种做法忽略了建模和监控之间的动态交互，使未经探索的有用在线样本变得有用。本研究提出了一种新的基于LVM的监控框架，该框架利用加权策略和最大似然法的交互来提高在线信息的监控性能。关键思想是将加权向量集成到有助于故障检测指标的分量中，以实现更有效的在线故障信息提取。我们使用最大似然比来优化加权向量，并据此构建新的故障检测指标。数值例子和三相流设施的案例研究证明了我们方法的有效性。
