基于KPCA-PNN的复杂工业过程集成故障辨识方法

被引：10

作者：

薄翠梅 ^{[1
,2
]}

王执铨 ^{[1
]}

张广明 ^{[2
]}

机构：

[1] 南京理工大学自动化学院

[2] 南京工业大学自动化学院

来源：

信息与控制 | 2009年 / 38卷 / 01期

关键词：

故障辨识; 关联故障; 特征提取; 核主元分析(KPCA); 概率神经网络(PNN);

D O I：

10.13976/j.cnki.xk.2009.01.018

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对核主元分析方法在复杂工业在线监控过程中易出现的核矩阵K难以计算和初始故障源难以辨识的问题,提出了一种基于核主元分析和概率神经网络的集成故障辨识方法.首先通过特征样本提取方法预处理工业数据集,然后采用核函数主元分析的Hotelling统计量T2和SPE方法检测故障,采用核函数梯度算法定义了两个新的统计量CT2和CSPE,计算了每个监控变量对统计量T2和SPE的贡献程度,并提取了故障特征.最后,利用概率神经网络技术进一步从关联故障特征中辨识出初始故障源.将上述故障诊断方法应用到Tennessee Eastman（TE）化工过程;多种故障模式下的仿真结果显示,该方法能够有效地检测并辨识出多种故障类型.

引用

页码：98 / 104+109 +109

页数：8

共 9 条

[1] 基于KPCA的SBR过程监视 [J].