基于MCUSUM-ICA-PCA的微小故障检测

被引:14
作者
葛志强
宋执环
杨春节
机构
[1] 浙江大学工业控制国家重点实验室工业控制技术研究所
关键词
累计和; 独立成分分析; MCUSUM-ICA-PCA; 微小故障; 非高斯信息; 过程监测;
D O I
暂无
中图分类号
TP274 [数据处理、数据处理系统];
学科分类号
0804 ; 080401 ; 080402 ; 081002 ; 0835 ;
摘要
针对过程中难以检测到的微小、缓变故障的检测问题,以及过程中普遍存在的非高斯信息,提出一种新的多变量统计过程监测方法.把传统的单变量累计和控制图(CUSUM)扩展为多变量的形式,并与独立成分分析(ICA)和传统的主元分析(PCA)方法相结合,构成新的MCUSUM-ICA-PCA方法,采用ICA-PCA两步信息提取策略,完整地提取出过程的非高斯和高斯信息,重新构造统计量并建立其对应的统计限.通过对Tennessee Eastman(TE)过程的仿真研究,验证了该方法的可行性和有效性,改善了该过程微小故障的检测效果,从而更好地保证过程运行的安全、稳定性.
引用
收藏
页码:373 / 377+411 +411
页数:6
相关论文
共 6 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]   基于多元统计投影方法的过程监控技术研究 [J].
陈国金 ;
梁军 ;
刘育明 ;
钱积新 .
浙江大学学报(工学版), 2004, (12) :28-32
[3]   独立元分析方法(ICA)及其在化工过程监控和故障诊断中的应用 [J].
陈国金 ;
梁军 ;
钱积新 .
化工学报, 2003, (10) :1474-1477
[4]  
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
[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]  
Independent component analysis: algorithms and applications[J] . Neural Networks . 2000 (4)