去主元相关性DKPCA故障检测与诊断方法

摘要：

针对动态核主元分析(Dynamic Kernel Principal Component Analysis,DKPCA)在动态非线性过程监控中没有降低数据动态性的影响,导致统计量 T2 具有显著自相关性的问题,提出一种基于去主元相关性的 DKPCA(Dynamic Kernel Principal Component Analysis based on Removing Principal Component Correlation,DKPCA-RPCC)故障检测与诊断方法.首先,对原始数据X进行时滞扩展生成增广矩阵Y并使用KPCA计算主成分M;其次,利用已知数据重构增广矩阵^Y,再使用KPCA计算主成分 ^M;然后,通过主成分之间的差异来构建统计量进行故障检测;最后,利用基于变量贡献图的方法进行故障诊断.通过数值例子和田纳西-伊斯曼(Tennessee-Eastman,TE)过程进行仿真验证,并将仿真结果与KPCA、DPCA和DKPCA的结果进行对比.仿真结果说明,该方法在动态非线性过程监控中构建的统计量故障检测性能更高且具有较低的自相关性.

关键词：动态核主元分析、过程监控、自相关性、去主元相关性、故障诊断

所属期刊栏目：33

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金;辽宁省自然科学基金;辽宁省教育厅基金项目

在线出版日期：2023-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：161-167