10.16866/j.com.app.chem201810005
基于PPA的多元统计分析方法在过程故障诊断的应用
在使用多元统计分析方法进行故障诊断时,特征提取的结果往往决定着故障诊断的效果.其中主元分析方法(PCA)由于操作简单、计算复杂度低、直观解释好等特点一直被广泛地用于特征提取,但是当数据中各变量之间存在明显的非线性相关性时,若采用PCA进行特征提取则会导致数据信息的缺失.过去有许多学者提出了对PCA进行改进的方法,其中最为经典的改进是在PCA的基础上引入核函数形成的核主元分析法(KPCA),KPCA虽然能有效的进行非线性特征提取,但是该方法的计算复杂度较大;近年来,有学者提出利用主曲线的理论观点来改进PCA,并提出了主元多项式分析法(Principal Polynomial Analysis,PPA),研究表明该方法不仅能有效地提取出非线性特征而且还具有简单、计算复杂度低、直观解释性好等特点.因此,本文提出了一种基于PPA的多元统计分析方法,并将其应用于复杂的Tennessee-Eastman (TE)过程中进行故障诊断,并与基于PCA的诊断效果和基于KPCA的诊断效果进行对比,最终仿真实验表明基于PPA的多元统计分析方法在诊断速度和诊断效果上有着明显的优势.
多元统计分析方法、PPA、PCA、故障诊断、Tennessee-Eastman过程
35
TP277;TP399;TQ015.9(自动化技术及设备)
国家自然科学基金21306234
2019-04-28(万方平台首次上网日期,不代表论文的发表时间)
共12页
821-832