数据预测

迁移学习

故障诊断

智能控制

　 实际工业过程变量通常具有高斯性、非高斯性和动态等混合特性，该特性在工业过程监测与故障诊断时常引起误报率和错误率高的问题。对此，课题组首次提出基于动态非高斯混合序列建模的故障检测与识别技术。该技术针对多个高斯过程变量可能趋于联合非高斯分布从而导致高斯过程变量的误划分问题，给出基于综合检验的多变量高斯性与非高斯性评价方法，实现复杂工业过程的混合特性解析与建模。该技术通过在数值系统、TE 过程和实际工业过程中进行实验，其结果体现了动态非高斯混合序列建模方法的优越性。