Thiago A.中村。;莱纳尔多·M·帕拉雷斯。;瓦尔米尔·卡米哈斯。;本杰明·梅内泽斯。;马里奥·塞萨尔·德·坎波斯。;乌比拉哈拉富梅加;de M.Bomfim，Carlos H。;安德烈·莱莫斯。 使用经过分布式计算技术训练的简约高斯混合模型进行自适应故障检测和诊断。 （英语） Zbl 1398.93324号 J.富兰克林研究所。 354，第6号，2543-2572（2017）. 小结：在工业在过程自动化方面取得了巨大进步之后，一个重要的挑战仍然存在：异常情况下的自动化。解决这一挑战的第一步是故障检测和诊断（FDD）。本文提出了一种基于分布式计算环境下训练的混合模型的批量增量自适应故障检测与诊断方法。所使用的模型来自一系列简约高斯混合模型（PGMM），在这种模型中，当可用数据很少时，模型参数的减少带来了重要的优势，这是一种预期的故障情况。另一方面，大量不同的模型带来了另一个挑战，即为给定行为选择最佳模型。为此，建议使用分布式计算技术训练大量模型，以便选择最佳模型。这项工作建议使用火花框架，非常适合迭代计算。所提出的方法在模拟过程田纳西-伊斯曼过程（TEP）中得到了验证，在故障检测和诊断方面都显示出良好的结果。此外，数值实验表明，训练大量模型以选择最佳模型是可行的后部. 引用于4文件 MSC公司： 93E10型 随机控制理论中的估计与检测 93C83号 涉及计算机的控制/观察系统（过程控制等） 65C60个 统计中的计算问题（MSC2010） 68T05型 人工智能中的学习和自适应系统 62H25个 因子分析和主成分；对应分析 62H30型 分类和区分；聚类分析（统计方面） 关键词：自适应故障检测;高斯混合模型;过程自动化 软件：Mixmod公司;Hadoop公司;火花;MapReduce PDF格式BibTeX公司 XML格式引用 \textit{T.A.Nakamura}等人，J.Franklin Inst.354，No.6，2543-2572（2017；Zbl 1398.93324） 全文： 内政部 参考文献： [1] Venkatasubramanian，V。；Rengaswamy，R。；尹，K。；Kavuri，S.N.，《过程故障检测和诊断综述：第一部分：基于定量模型的方法》，计算。化学。工程，27，293-311，（2003） [2] Venkatasubramanian，V。；Rengaswamy，R。；Kavuri，S.N.，《过程故障检测和诊断综述：第二部分：定性模型和搜索策略》，计算。化学。Eng.，27，313-326，（2003），网址：〈http://www.sciencedirect.com/science/article/pii/S0098135402001618〉 [3] Venkatasubramanian，V。；Rengaswamy，R。；卡武里，S.N。；Yin，K.，《过程故障检测和诊断综述：第三部分：基于过程历史的方法》，计算。化学。Eng.，27，327-346，（2003），网址：〈http://www.sciencedirect.com/science/article/pii/S009813540200162X〉 [4] A.Shui，W.Chen，P.Zhang，S.Hu，X.Huang，《控制系统故障诊断综述》，2009年中国控制与决策会议，第5324-5329页。http://dx.doi.org/10.109/CCDC.2009.5195065http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm？arnumber=5195065；A.Shui，W.Chen，P.Zhang，S.Hu，X.Huang，《控制系统故障诊断综述》，2009年中国控制与决策会议，第5324-5329页。http://dx.doi.org/10.109/CCDC.2009.5195065http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm？arnumber=5195065 [5] 门登萨，L.F。；Sousa，J.M.C。；Sáda Costa，J.M.G.，基于模糊方法的故障检测和隔离体系结构，专家系统。申请。，36, 1092-1104, (2009) [6] 莱莫斯，A。；卡米尼亚斯，W。；Gomide，F.，使用进化模糊分类器的自适应故障检测和诊断，Inf.Sci。，220，64-85，（2013），网址：〈http://linkinghub.elsevier.com/retrieve/pii/S02002551100449X〉 [7] Samanta，B.，使用人工神经网络和带有遗传算法的支持向量机进行齿轮故障检测，机械。系统。信号处理。，18, 625-644, (2004) [8] 劳伦提斯，C.A。；Palhares，R.M。；Caminhas，W.M.，基于故障检测危险模型的人工免疫系统设计，专家系统。申请。，37，7，5145-5152，（2010年） [9] 劳伦提斯，C.A。；Palhares，R.M。；Caminhas，W.M.，用于故障行为检测的新型人工免疫系统，专家系统。申请。，38、6、6957-6966（2011），网址：〈http://dx.doi.org/10.1016/j.eswa.2010.12.019〉 [10] Kim，D。；Lee，I.-B.，基于概率PCA的过程监测，化学计量学。智力。实验室系统。，67，2，109-123，（2003），网址：〈http://linkinghub.elsevier.com/retrieve/pii/S0169743903000637〉 [11] Mehranbod，N。；Soroush，M。；Panjapornpon，C.，《传感器故障检测和识别方法》，《过程控制杂志》，第15期，第321-339页，（2005年） [12] D.Angelo，M.F。；Palhares，R.M。；高桥，R.H。；Loschi，R.H。；Baccarini，L.M。；Caminhas，W.M.，《使用模糊贝叶斯变化点检测方法在感应电机定子绕组中进行初始故障检测》，应用。软计算。，2011年11月1日，179-192，网址：〈http://linkinghub.elsevier.com/retrieve/pii/S156849460900221X〉 [13] Dobos，L。；Abonyi，J.，通过基于时间序列分段的动态主成分分析在线检测均匀操作范围，化学。工程科学。，75，96-105，（2012），网址：〈http://linkinghub.elsevier.com/retrieve/pii/S0009250912001182〉 [14] Angeli，C。；Chatzinikolaou，A.，《技术系统在线故障检测技术调查》，国际计算机杂志。科学。申请。一、 1，12-30，（2004），URL〈http://citeseerx.ist.psu.edu/viewdoc/download？doi=10.1.1.100.6189&rep=rep1&；类型=pdf〉 [15] M.F.S.V.DéAngelo，R.M.Palhares，L.B.Cosme，L.A.Aguiar，F.S.Fonseca，W.M.Caminhas，通过模糊/贝叶斯网络公式在动态系统中进行故障检测，应用。软计算。21（2014）1568-4946，10.1016/j.asoc.2014.04.007http://www.sciencedirect.com/science/article/pii/S1568494614001707；M.F.S.V.DõAngelo，R.M.Palhares，L.B.Cosme，L.A.Aguiar，F.S.Fonseca，W.M.Caminhas，通过模糊/贝叶斯网络公式进行动态系统故障检测，Appl。软计算。21（2014）1568-4946，10.1016/j.asoc.2014.04.007http://www.sciencedirect.com/science/article/pii/S1568494614001707 [16] I.V.de Bessa、R.M.Palhares、M.F.S.V.DAngelo、J.E.Chaves Filho，风力涡轮机基准的数据驱动故障检测和隔离方案，更新。能源，87（1）（2016）634-645，10.1016/j.rene.2015.10.061http://www.sciencedirect.com/science/article/pii/S0960148115304146；I.V.de Bessa、R.M.Palhares、M.F.S.V.DAngelo、J.E.Chaves Filho，风力涡轮机基准的数据驱动故障检测和隔离方案，更新。能源，87（1）（2016）634-645，10.1016/j.rene.2015.10.061http://www.sciencedirect.com/science/article/pii/S0960148115304146 [17] M.F.S.V.DéAngelo，R.M.Palhares，M.C.O.Camargos Filho，R.D.Maia，J.B.Mendes，P.Y.Ekel，《田纳西州伊士曼基准流程应用的新故障分类方法》，Appl。软计算。49（2016）676-686，10.1016/j.asoc.2016.08.040http://www.sciencedirect.com/science/article/pii/S1568494616304343；M.F.S.V.DéAngelo，R.M.Palhares，M.C.O.Camargos Filho，R.D.Maia，J.B.Mendes，P.Y.Ekel，《田纳西州伊士曼基准流程应用的新故障分类方法》，Appl。软计算。49（2016）676-686，10.1016/j.asoc.2016.08.040http://www.sciencedirect.com/science/article/pii/S1568494616304343 [18] Joe Qin，S.，《统计过程监控基础及以外》，J.Chemmometr。，17，480-502，（2003），网址：〈http://onlinelibrary.wiley.com/doi/10.1002/cem.800/abstract\（delimeter026E30F\），URL〈http://onlinelibrary.wiley.com/store/10.1002/cem.800/asset/800_ftp.pdf？v=1&t=hcmg2etn&s=8ad2049be22a258774d1524922e72d11c5425ff0〉 [19] Jackson，J.E。；Mudholkar，G.S.，与主成分分析相关的残差控制程序，技术计量学，21，3，341-349，（1979），URL:〈http://www.jstor.org/stable/1267757〉 ·Zbl 0439.62039号 [20] T.Villegas，M.Fuente，M.Rodríguez，故障检测和诊断的主成分分析。《第九届WSEAS计算智能、人机系统和控制论国际会议论文集》（2010）147-152。网址：〈http://www.wseas.us/e-library/conferences/2010/Merida/CIMACS/CIMMACS-20.pdf；T.Villegas，M.Fuente，M.Rodríguez，故障检测和诊断的主成分分析。《第九届WSEAS计算智能、人机系统和控制论国际会议论文集》（2010）147-152。网址：〈http://www.wseas.us/e-library/conferences/2010/Merida/CIMACS/CIMMACS-20.pdf [21] Tipping，M.E。；Bishop，C.M.，概率主成分分析，J.R.Stat.Soc.：Ser。B（Stat.Methodol.），第61、3、611-622页，（1999年）·Zbl 0924.62068号 [22] Tipping，M.E。；Bishop，C.M.，概率主成分分析器的混合物，神经计算。，第11期，443-482页，（1999年） [23] 医学博士麦克尼古拉斯。；Murphy，T.B.，简约高斯混合模型，统计计算。，18, 3, 285-296, (2008) [24] 他，B。；杨，X。；Chen，T。；Zhang，J.，基于重构的故障隔离多元贡献分析-分支定界法，J.过程控制，22，7，1228-1236，（2012），URL:\9001http://linkinghub.elsevier.com/retrieve/pii/S0959152412001254〉 [25] 比尔纳基，C。；Celeux，G。；戈瓦特，G。；Langrognet，F.，使用MIXMOD软件进行基于模型的聚类和判别分析，Comput。统计数据分析。，51, 587-600, (2006) ·Zbl 1157.62431号 [26] 比尔纳基，C。；Celeux，G。；Govaert，G.，为EM算法选择初始值，以获得多元高斯混合模型中的最高可能性，计算。统计数据分析。，41, 561-575, (2003) ·Zbl 1429.62235号 [27] Karlis，D。；Xekalaki，E.，为有限混合物的EM算法选择初始值，计算。统计数据分析。，41, 577-590, (2003) ·Zbl 1429.62082号 [28] 梅利尼科夫，V。；Melnykov，I.，在成分数目未知的高斯混合模型中初始化EM算法，计算。统计数据分析。，56, 6, 1381-1395, (2012) ·Zbl 1246.65025号 [29] 格雷吉奥，N。；伯纳迪诺，A。；达里奥，P。；Santos-Victor，J.，通过二叉树搜索对混合模型进行有效贪婪估计，Robot。自动。系统。，62, 10, 1440-1452, (2014) [30] 李，L。；马，J。；BYY，A.，用于高斯混合学习的尺度增量EM算法，应用。数学。计算。，205, 2, 832-840, (2008) ·Zbl 1157.65315号 [31] 穆萨，M.E。；de Ridder，D。；Duin，R.P。；Atalay，V.，《主成分分析仪混合物的几乎自主训练》，模式识别。莱特。，25、9、1085-1095（2004），网址：〈http://linkinghub.elsevier.com/retrieve/pii/S0167865504000728〉 [32] Verbeek，J.J。；弗拉西斯，N。；Kröse，B.，高斯混合模型的高效贪婪学习，神经计算。，（2003），网址：〈http://www.ncbi.nlm.nih.gov/pubmed/12590816〉 ·Zbl 1047.68114号 [33] Z.Zivkovic。；Van der Heijden，F.，有限混合模型的递归无监督学习，IEEE Trans。模式分析。机器。智力。，26,3651-656，（2004年） [34] 法索，A。；Cameletti，M.，用于建模环境时空数据的分布式计算环境中的EM算法，环境。模型。软质。，24，9，1027-1035，（2009），网址：〈http://linkinghub.elsevier.com/retrieve/pii/S1364815209000413〉 [35] 菲利普·陈，C.L。；张春云，数据密集型应用、挑战、技术和技术大数据调查，信息科学。，275, 314-347, (2014) [36] M.Zaharia、M.Chowdhury、M.J.Franklin、S.Shenker、I.Stoica，《火花：带工作集的集群计算》，摘自：《第二届USENIX云计算热门话题会议论文集》，HotCloud 10，美国加利福尼亚州伯克利市USENIX协会，2010年，第10-10页。URL〈http://dl.acm.org/citation.cfm？id=1863103.1863113；M.Zaharia、M.Chowdhury、M.J.Franklin、S.Shenker、I.Stoica，《火花：带工作集的集群计算》，摘自：《第二届USENIX云计算热门话题会议论文集》，HotCloud 10，美国加利福尼亚州伯克利市USENIX协会，2010年，第10-10页。URL〈http://dl.acm.org/citation.cfm？id=1863103.1863113 [37] M.Zaharia，M.Chowdhury，T.Das，A.Dave，《弹性分布式数据集：内存集群计算的容错抽象》，NSDI 12《第九届USENIX网络系统设计与实现会议论文集》，2012年，第2-2页http://dx.doi.org/10.1111/j.1095-8649.2005.00662.xhttps://www.usenix.org/system/files/conference/nsdi12/nsdi12-最终138.pdf；M.Zaharia，M.Chowdhury，T.Das，A.Dave，《弹性分布式数据集：内存集群计算的容错抽象》，NSDI 12《第九届USENIX网络系统设计与实现会议论文集》，2012年，第2-2页http://dx.doi.org/10.1111/j.1095-8649.2005.00662.xhttps://www.usenix.org/system/files/conference/nsdi12/nsdi12-最终138.pdf [38] 贾马，J。；伊利奥贝特。；Bifet，A。；Pechenizkiy，M。；Bouchachia，A.，概念漂移适应调查，ACM计算。调查。，46，4，1-37，（2014），网址：〈http://dl.acm.org/citation.cfm？id=2523813〉 ·Zbl 1305.68141号 [39] 秦世杰，《数据驱动工业过程监测与诊断研究》，年。版本控制，36，2，220-234，（2012），URL:〈http://www.sciencedirect.com/science/article/pii/S1367578812000399〉 [40] 蒋，E.L.R.L.H。；Braatz，R.D.，《工业系统中的故障检测和诊断》，Meas。科学。技术。，12、10、1745（2001），网址〈http://stacks.iop.org/0957-0233/12/i=10/a=706〉 ·Zbl 0982.93005号 [41] 尹，S。；Huang，Z.，基于加速度计测量值的模糊实证主义c均值聚类车辆悬架系统性能监测，IEEE/ASME Trans。机电一体化，20，5，2613-2620，（2015） [42] 尹，S。；朱，X。；Kaynak，O.，《改进的pls》，重点关注关键性能感应相关故障诊断，IEEE Trans。Ind.Electron公司。，62, 3, 1651-1658, (2015) [43] Maurya，M.R。；Rengaswamy，R。；Venkatasubramanian，V.，《利用动态趋势分析进行故障诊断——综述和最新发展》，工程应用。Artif公司。智力。，20, 2, 133-146, (2007) [44] 尹，S。；丁，S.X。；谢，X。；Luo，H.，《工业过程监测基本数据驱动方法综述》，IEEE Trans。Ind.Electron公司。，第61页，第11页，第6418-6428页，（2014年） [45] Hotelling，H.，《将复杂统计变量分析为主成分》，J.Educ。心理医生。，24, 417-441, (1933), 498-520 [46] D.A.Jackson，《主成分分析中的停止规则：启发式和统计方法的比较》（1993年）。http://dx.doi.org/10.2307/1939574；D.A.Jackson，《主成分分析中的停止规则：启发式和统计方法的比较》（1993年）。http://dx.doi.org/10.2307/1939574 [47] Hotelling，H.，《学生比率的概括》，《数学年鉴》。统计，2，3，360-378，（1931）·Zbl 0004.26503号 [48] J.Mina，C.Verde，通过平均估计使用动态主成分分析进行故障检测，2005年第二届国际电工电子工程会议（Cie），2005年，第374-377页。http://dx.doi.org/10.109/ICEEE.2005.1529647；J.Mina，C.Verde，通过平均估计使用动态主成分分析进行故障检测，2005年第二届国际电工电子工程会议（Cie），2005年，第374-377页。http://dx.doi.org/10.109/ICEEE.2005.1529647 [49] Guerfel，M。；Othman，K。；Benrejeb，M.，《利用故障检测灵敏度确定动态PCA模型的结构》，高级控制化学。流程，7，2，958-963，（2009），URL:〈http://www.nt.ntnu.no/users/skoge/prost/proceedings/adchem09/cd/abstract/153.pdf〉 [50] Z.Bankó，L.Dobos，J.Abonyi，多元时间序列分割中的动态主成分分析，守恒，信息，进化1（1）（2011）11-24。URL〈http://journal.ke.hu/cie/index.php/cie/article/view/25；Z.Bankó，L.Dobos，J.Abonyi，多元时间序列分割中的动态主成分分析，守恒，信息，进化1（1）（2011）11-24。URL〈http://journal.ke.hu/cie/index.php/cie/article/view/25 [51] Ku，W。；斯托尔，R.H。；Georgakis，C.，《通过动态主成分分析进行干扰检测和隔离》，《化学计量学情报》。实验室系统。，30, 1, 179-196, (1995) [52] Ghemawat，S。；戈比奥夫，H。；Leung，S.-T.，谷歌文件系统，ACM SIGOPS操作系统。修订版，37，5，29，（2003） [53] K.Shvachko，H.Kuang，S.Radia，R.Chansler，hadoop分布式文件系统，载于：《2010年IEEE第26届大容量存储系统与技术研讨会论文集》，MSST 10，IEEE计算机学会，美国华盛顿特区，2010年，第1-10页。http://dx.doi.org/10.1109/MSST.2010.5496972；K.Shvachko，H.Kuang，S.Radia，R.Chansler，hadoop分布式文件系统，摘自：2010年IEEE第26届大规模存储系统和技术研讨会（MSST）会议记录，MSST10，IEEE计算机学会，美国华盛顿特区，2010年，第1-10页。http://dx.doi.org/10.1109/MSST.2010.5496972 [54] H.Garraway，并行计算机体系结构：硬件/软件方法，IEEE并发7（2）。http://dx.doi.org/10.1109/MCC.1999.766975；H.Garraway，并行计算机体系结构：硬件/软件方法，IEEE并发7（2）。http://dx.doi.org/10.109/MCC.1999.766975 [55] M.J.Quinn，《使用MPI和OpenMP的C语言并行编程》，第1卷，McGraw-Hill教育集团，2003年（ISBN:007123656）；M.J.Quinn，《使用MPI和OpenMP的C语言并行编程》，第1卷，麦格劳-希尔教育集团，2003年。（ISBN:0071232656） [56] Flynn，M.J.，《一些计算机组织及其有效性》，IEEE Trans。计算。，C-21、9、948-960（1972）·Zbl 0241.68020号 [57] J.Dean，S.Ghemawat，MapReduce:大型集群上的简化数据处理，操作系统设计与实现研讨会，2004年第6卷，第137-149页。http://dx.doi.org/10.1145/1227452.1327492；J.Dean，S.Ghemawat，MapReduce:大型集群上的简化数据处理，操作系统设计与实现研讨会，2004年第6卷，第137-149页。http://dx.doi.org/10.1145/1227452.1327492 [58] C.-T.Chu、S.K.Kim、Y.-A.Lin、Y.Yu、G.Bradski、A.Y.Ng、K.Olukotun、Map-Reduce for Machine Learning on Multicore、Adv.Neural Inf.Process。系统。19 (2007) 281-288. http://dx.doi.org/10.1234/12345678；C.-T.Chu、S.K.Kim、Y.-A.Lin、Y.Yu、G.Bradski、A.Y.Ng、K.Olukotun、Map-Reduce for Machine Learning on Multicore、Adv.Neural Inf.Process。系统。19 (2007) 281-288. http://dx.doi.org/10.1234/12345678 [59] D.Gillick、A.Faria、J.DeNero，《MapReduce:机器学习的分布式计算》，Icsiberkeleyedu（2006）1-12。URL〈http://roger-data.googlecode.com/svn-history/r14/trunk/mapred/gillick_cs262a_proj.pdf；D.Gillick、A.Faria、J.DeNero，《MapReduce:机器学习的分布式计算》，Icsiberkeleyedu（2006）1-12。URL〈http://roger-data.googlecode.com/svn-history/r14/trunk/mapred/gillick_cs262a_proj.pdf [60] 孟，X.-L。；Van Dyk，D.，《EM算法师的旧民歌随着快速的新曲调演唱》，J.R.Stat.Soc.Ser。B（Stat.Methodol.），59，3，511-567，（1997）·Zbl 1090.62518号 [61] 佩德雷戈萨，F。；瓦罗佐，G。；Gramfort，A.公司。；米歇尔，V。；蒂里昂，B。；格里塞尔，O。；布隆德尔，M。；普雷滕霍费尔，P。；韦斯，R。；杜堡，V。；范德普拉斯，J。；帕索斯，A。；库纳波，D。；布鲁彻，M。；佩罗，M。；Duchesnay，E.，《用蟒蛇学习科学机器》，J.Mach。学习。第12号决议，2825-2830，（2011年）·Zbl 1280.68189号 [62] Chen，T。；莫里斯，J。；Martin，E.，《通过无限高斯混合模型进行概率密度估计在统计过程监测中的应用》，J.R.Soc.C-App。，55, 699-715, (2006) ·Zbl 1109.62123号 [63] T.A.Nakamura，A.P.Lemos，《使用概率PCA混合的批处理增量过程故障检测和诊断》，IEEE进化和自适应智能系统会议，2014年，第1-8页。http://dx.doi.org/10.1109/EAIS.2014.6867472；T.A.Nakamura，A.P.Lemos，《使用概率PCA混合的批量增量过程故障检测和诊断》，IEEE进化和自适应智能系统会议，2014年第1卷，第1-8页。http://dx.doi.org/10.109/EAIS.2014.6867472 [64] 唐斯，J.J。；Vogel，E.F.，全厂工业过程控制问题，计算。化学。工程师，17，245-255，（1993） [65] Ricker，N.L.，田纳西州伊斯曼挑战过程的分散控制，过程控制杂志，6205-221，（1996） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。