一种面向质量相关故障检测的JB-OCCA-PCA方法

本发明公开了一种面向质量相关故障检测的JB‑OCCA‑PCA方法，旨在针对工业过程中的高维、动态且带有多重噪声的过程数据，提出一种更精确的故障检测解决方案。本发明的主要核心在于，根据高斯与非高斯、质量相关与质量无关，将数据划分为四个子空间；采用Jarque‑Bera(JB)统计量替代原始数据，使用OCCA算法构建正交子空间提取质量相关故障特征；采用一段时间内的标准差以及偏度替代原始数据，通过PCA算法对质量无关子空间降维，以降低数据冗余并保留主要故障信息；最终，通过贝叶斯整合模块对各子空间检测结果进行概率融合，以生成统一的故障判定指标。本发明的方法不仅关注检测准确性，还兼顾了处理高维数据的计算效率和实时性需求。相较于传统的故障检测方法，该方法通过分块处理和多层次分析，能够更好地适应不同分布特征的变量，提高检测的灵敏度和鲁棒性，同时降低误报率和漏报率。可以说，本发明是一种更为精确、高效的工业过程故障检测方法。