基于动态结构保持主元分析的故障检测方法

摘要：

为充分利用表征过程运行工况的数据特征信息,提高化工过程的故障检测性能,提出一种基于动态结构保持主元分析(DSPPCA)的过程故障检测方法.首先对原始数据采用变量相关性分析建立自回归模型,构建包含动态特征的数据集,进一步综合考虑主元分析法(PCA)和局部线性嵌入(LLE)流形学习算法中数据点之间的近邻关系,融合得出新的目标函数,同时,运用局部线性回归的方法获得高维样本的嵌入映射,特征提取后在特征空间和残差空间分别构造监控统计量进行故障检测.Swiss-roll数据集的降维结果及TE过程的仿真研究结果表明,DSPPCA算法可以取得较好的特征提取效果,具有较高的故障检测性能.

关键词：动态结构保持主元分析、流形学习、相关性分析、特征提取、故障检测

所属期刊栏目：37

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金项目61273160;山东省自科学基金项目ZR2011FM014;中央高校基本科研业务费专项12CX06071A,10CX04046A;山东省优秀中青年科学家科研奖励基金项目BS2012ZZ011

在线出版日期：2013-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：170-175