基于在线升级主样本建模的批次过程kNN故障检测方法-信息与控制.PDFVIP

信息与控制　　２０１４年　第４３卷　第４期：４９５～５００ ＤＯＩ：１０．１３９７６／ｊ．ｃｎｋｉ．ｘｋ．２０１４．０４９５ 文章编号：１００２－０４１１（２０１４）－０４－０４９５－０６ 基于在线升级主样本建模的批次过程ｋＮＮ故障检测方法 郭金玉，陈海彬，李　元 沈阳化工大学信息工程学院，辽宁 沈阳　１１０１４２ 基金项目：国家自然科学基金重点基金资助项目；国家自然科学基金资助项目６０７７４０７０）；辽宁省教育厅科学研 究项目（Ｌ２０１２１３９）；辽宁省博士启动基金项目 通信作者：李元，ｌｉｙｕａｎ＠ｍａｉｌ．ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ　　收稿／录用／修回：２０１３－０４－２６／２０１３－０５－２７／２０１４－０６－０４ 摘要 关键词 针对批次过程故障检测建模样本数据量大、重复性强、噪声干扰多、数据利 建模 用率低等问题，提出了一种基于在线升级主样本建模（ＰＳＭ）的ｋＮＮ故障检测方 ｋ最近邻（ｋＮＮ） 法．首先，通过对原始数据样本间协方差、相关系数、样本方差等统计特征的分析 故障检测 进行主样本的提取，使原始数据空间得到压缩，并将新采集的正常数据代入主样 批次过程 本模型，使得主样本空间得到在线升级．然后，基于在线升级的主样本建模运用ｋ 中图分类号：ＴＰ２７７ 最近邻规则（ｋＮＮ）进行批次过程故障检测．最后，在多阶段半导体生产过程中的 文献标识码：Ａ 成功应用验证了该方法的有效性． ｋＮＮＦａｕｌｔＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄｆｏｒＢａｔｃｈＰｒｏｃｅｓｓＢａｓｅｄｏｎ ＰｒｉｎｃｉｐａｌＳａｍｐｌｅＭｏｄｅｌｉｎｇＵｐｇｒａｄｅｄＯｎｌｉｎｅ ＧＵＯＪｉｎｙｕ，ＣＨＥＮＨａｉｂｉｎ，ＬＩＹｕａｎ ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＣｈｅｍｉｃａｌＴｅｃｈｎｏｌｏｇｙ，Ｓｈｅｎｙａｎｇ１１０１４２，Ｃｈｉｎａ Ａｂｓｔｒａｃｔ Ｋｅｙｗｏｒｄｓ Ｂａｔｃｈｐｒｏｃｅｓｓｈａｓｓｏｍｅｐｒｏｂｌｅｍｓ：ａｈｉｇｈｖｏｌｕｍｅｏｆｔｒａｉｎｉｎｇｄａｔａ，ｓｔｒｏｎｇｒｅｐｅａｔａｂｉｌｉｔｙ，ａｌｏｔｏｆｎｏｉｓｅｉｎ ｍｏｄｅｌｉｎｇ； ｔｅｒｆｅｒｅｎｃｅ，ｌｏｗｄａｔａｕｔｉｌｉｚａｔｉｏｎａｎｄｓｏｏｎ．Ｔｏｓｏｌｖｅｔｈｅｓｅｐｒｏｂｌｅｍｓ，ｗｅｐｒｏｐｏｓｅｄａｋＮＮｆａｕｌｔｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄ ｋｎｅａｒｅｓｔｎｅｉｇｈｂｏｒ（ｋＮＮ）； ｂａｓｅｄｏｎｐｒｉｎｃｉｐａｌｓａｍｐｌｅｍｏｄｅｌｉｎｇ（ＰＳＭ）ｕｐｇｒａｄｅｄｏｎｌｉｎｅ．Ｔｈｅｏｒｉｇｉｎａｌｄａｔａｓｐａｃｅｉｓｃｏｍｐｒｅｓｓｅｄｔｈｒｏｕｇｈ ｆａｕｌｔｄｅｔｅｃｔｉｏｎ； ｔｈｅｓｅｌｅｃｔｉｏｎｏｆｔｈｅｐｒｉｎｃｉｐａｌｓａｍｐｌｅｂａｓｅｄｏｎｔｈｅａｎａｌｙｓｉｓｏｆｃｏｖａｒｉａｎｃｅ，ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ，ｖａｒｉａｎｃｅ， ｂａｔｃｈｐｒｏｃｅｓｓ ａｎｄｏｔｈｅｒｓｔａｔｉｓｔｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｏｒｉｇｉｎａｌｄａｔａ．Ｗｈｅｎｎｅｗｓａｍｐｌｅｓａｒｅｃｏｌｌｅｃｔｅｄ，ｔｈｅｙａｒｅｐｕｔｉｎｔｏｔｈｅ ｐｒｉｎｃｉｐａｌｓａｍｐｌｅｍｏｄｅｌｔｏｒｅａｌｉｚｅｔｈｅｕｐｄａｔｉｎｇｏｆｔｈｅｐｒｉｎｃｉｐａｌｓａｍｐｌｅｓｐａｃｅ．Ｔｈｅｎ，ｔｈｅｆａｕｌｔｄｅｔｅｃｔｉｏｎｍｏｄｅｌ ｉｓｂｕｉｌｔｂａｓｅｄｏｎｔｈｅｐｒｉｎｃｉｐａｌｓａｍｐｌｅｓｐａｃｅｕｓｉｎｇｔｈｅｋｎｅａｒｅｓｔｎｅｉｇｈｂｏｒ（ｋＮＮ）ｍｅｔｈｏｄ．Ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆ ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｉｌｌｕｓｔｒａｔｅｄｂｙａｐｐｌｙｉｎｇｉｔｔｏｔｈｅｍｕｌｔｉｐｈａｓｅｓｅｍｉｃ