基于改进多尺度核主元分析的化工过程故障检测与诊断方法研究

被引:18
作者
许洁 [1 ,2 ]
胡寿松 [1 ]
申忠宇 [2 ]
机构
[1] 南京航空航天大学自动化学院
[2] 南京师范大学电气与自动化工程学院
关键词
小波变换; 核主元分析; 故障检测; 故障诊断; 特征向量选择; 贡献图;
D O I
10.19650/j.cnki.cjsi.2010.01.009
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
针对化工过程数据的多尺度性和非线性特性,提出了改进多尺度核主元分析法。先利用小波变换分析测量数据的多尺度特性,然后采用核主元分析算法进行在线故障检测,对检测到的故障采用核函数梯度算法实现在线故障诊断,根据每个监控变量对统计量T2和SPE的贡献程度,绘制贡献图,用于故障的分离。在监控过程中为解决核矩阵计算困难,引入特征向量选择方法。TE过程的仿真结果表明它能有效实现故障检测、故障诊断,与主元分析方法相比,显示出更高的过程监控能力。
引用
收藏
页码:51 / 55
页数:5
相关论文
共 6 条
[1]   基于ICA-MPCA的间歇过程监测方法 [J].
肖应旺 ;
徐保国 .
仪器仪表学报, 2009, 30 (05) :990-996
[2]   基于KPCA-PNN的复杂工业过程集成故障辨识方法 [J].
薄翠梅 ;
王执铨 ;
张广明 .
信息与控制, 2009, 38 (01) :98-104+109
[3]   基于KPCA-SVC的复杂过程故障诊断 [J].
刘爱伦 ;
袁小艳 ;
俞金寿 .
仪器仪表学报, 2007, (05) :868-872
[4]   基于小波变换去噪的多元统计投影分析及其在化工过程监控中的应用 [J].
陈国金 ;
梁军 ;
钱积新 .
化工学报, 2003, (10) :1478-1481
[5]   Nonlinear component analysis as a kernel eigenvalue problem [J].
Scholkopf, B ;
Smola, A ;
Muller, KR .
NEURAL COMPUTATION, 1998, 10 (05) :1299-1319
[6]  
Fault Detection and Diagnosis in Industrial Systems. Chiang LH, Russell EL, Braatz RD. Springer-Verlag . 2001