PCA_SVM的多故障分类方法在TE过程中的应用

摘要：

故障识别在化工过程监控中有着至关重要的作用.准确的故障识别能够帮助操作员及时发现并排除故障,避免生产事故的发生.本文运用传统PCA方法对TE过程中5种典型故障数据进行降维,并将所有故障数据投影到正常工况样本的PCA主元空间中,由正常数据样本计算出T2统计量的阈值,根据HotellingT2统计原理,对所有故障数据进行检测,将榆测到的故障样本通过SVM的多分类方法进行故障分类.通过TE过程仿真平台的实验表明,PCA SVM方法与PCA KNN、C SVM方法相比较,算法简单,容易实现,计算速度较快,并且突破了很多文献中只有2类或3类故障谚{别的局限,同时可以达到较高的多分类准确率.

关键词：故障检测、多分类、PCA、过程监控、SVM、KNN

所属期刊栏目：27

分类号：TQO15.9;TP391.9;O6-39

资助基金：国家自然科学基金208760442;国家863计划2008AA042902;上海市科技项目08DZ1123100;长江学者和创新团队发展计划资助;高等学校学科创新引智计划B08021;上海市重点学科B504

在线出版日期：2011-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1321-1324