基于MEWMA-PCA的微小故障检测方法研究及其应用

被引:15
作者
葛志强
杨春节
宋执环
机构
[1] 浙江大学工业控制技术国家重点实验室
关键词
EWMA; PCA; MEWMA-PCA; 微小故障; 过程监测;
D O I
10.13976/j.cnki.xk.2007.05.016
中图分类号
TP277 [监视、报警、故障诊断系统];
学科分类号
0804 ; 080401 ; 080402 ;
摘要
针对化工生成过程中的微小故障检测问题,提出一种新的多变量统计过程监测方法.把传统的单变量指数加权滑动平均(Exponent Weighted Moving Average,EWMA)扩展为多变量EWMA,并与主元分析(Principal Component Analysis,PCA)方法相结合,构成新的多变量(Multivariate EWMA-PCA,MEWMA-PCA)方法.重新构造统计量TM2EWMA-PCA和QMEWMA-PCA,并建立其对应的统计限.详细分析了各个统计量的统计性能指标及其影响因素.Tennessee Eastman(TE)过程的仿真研究说明提出的方法是可行的,并有效地改进了该过程微小故障的检测效果,从而更好地保证了过程运行的安全性、稳定性.
引用
收藏
页码:650 / 656
页数:7
相关论文
共 7 条
[1]   PLS质量监控及其在Tennessee Eastman过程中的应用 [J].
宋凯 ;
王海清 ;
李平 .
浙江大学学报(工学版), 2005, (05) :657-662
[2]   改进PCA及其在过程监测与故障诊断中的应用 [J].
王海清 ;
宋执环 ;
李平 .
化工学报, 2001, (06) :471-475
[3]  
多变量统计过程控制[M]. 化学工业出版社 , 张杰,阳宪惠编著, 2000
[4]   Comparison of multivariate statistical process monitoring methods with applications to the Eastman challenge problem [J].
Kano, M ;
Nagao, K ;
Hasebe, S ;
Hashimoto, I ;
Ohno, H ;
Strauss, R ;
Bakshi, BR .
COMPUTERS & CHEMICAL ENGINEERING, 2002, 26 (02) :161-174
[5]   The application of principal component analysis and kernel density estimation to enhance process monitoring [J].
Chen, Q ;
Wynne, RJ ;
Goulding, P ;
Sandoz, D .
CONTROL ENGINEERING PRACTICE, 2000, 8 (05) :531-543
[6]   Disturbance detection and isolation by dynamic principal component analysis [J].
Ku, WF ;
Storer, RH ;
Georgakis, C .
CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 1995, 30 (01) :179-196
[7]  
Fault detection and diagnosis in industrial systems. Chiang LH,Russell EL,Braatz RD. . 2001