基于奇异值识别的模式切换过程递归PCA监控

被引：4

作者：

王倩

李宏光

机构：

[1] 北京化工大学信息科学与技术学院

来源：

化工学报 | 2012年 / 63卷 / 09期

关键词：

多模式过程; 监控; 奇异值识别; 递归PCA;

D O I：

暂无

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：

常规的PCA方法难于对发生模式变化的过程参数进行监控,为此,本文提出了一种基于奇异值识别递归PCA技术,用于解决多模式切换过程的监控问题。首先建立了在线奇异值识别算法,通过识别奇异值的变化可以准确判断过程发生模式切换的时间,然后采用递归PCA对过程的模式切换过渡阶段进行监控。将TE过程用于实例研究,验证了所提出方法的有效性。

引用

页码：2948 / 2952

页数：5

共 6 条

[1] 多元统计过程监控与安全生产 [J].

徐用懋 ;

赵仕健 .

计算机与应用化学, 2007, (04) :475-478

[2]

工业系统的故障检测与诊断[M]. 机械工业出版社 , (美)蒋浩天(L.H.Chiang)等著, 2003

[3] Adaptive process monitoring using efficient recursive PCA and moving window PCA algorithms [J].

Jeng, Jyh-Cheng .

JOURNAL OF THE TAIWAN INSTITUTE OF CHEMICAL ENGINEERS, 2010, 41 (04) :475-481

[4] A general fuzzy-statistical clustering approach for estimating the time of change in variable sampling control charts [J].

Zarandi, Mohammad Hossein Fazel ;

Alaeddini, Adel .

INFORMATION SCIENCES, 2010, 180 (16) :3033-3044

[5]

Comparison of statistical process monitoring methods: application to the Eastman challenge problem[J] . Manabu Kano,Koji Nagao,Shinji Hasebe,Iori Hashimoto,Hiromu Ohno,Ramon Strauss,Bhavik Bakshi.Computers and Chemical Engineering . 2000 (2)

[6] Real-time monitoring for a process with multiple operating modes [J].

Hwang, DH ;

Han, CH .

CONTROL ENGINEERING PRACTICE, 1999, 7 (07) :891-902

← 1 →