基于变量分块的KDLV-DWSVDD间歇过程故障检测算法研究
非线性动态间歇过程中,测量变量存在不同的序列相关性,且变量间的交叉相关性会体现在不同的采样时刻上,然而传统检测方法没有考虑这种变量间的相关性,通常将所有变量视为独立或相关关系进行特征提取,不能充分提取到故障信息的特征,造成监测效果不佳.因此,提出一种基于变量分块的核动态潜变量-动态加权支持向量数据描述(KDLV-DWSVDD)间歇过程故障检测算法.首先,通过求取变量间的互信息值(MI)将变量分为相关与独立两个变量子块;然后,通过KDLV算法将相关变量子块分为动态部分和静态部分,对动态部分建立向量自回归模型进行监测,对静态部分采用邻域保持嵌入(NPE)算法进行监测;独立变量子块中自变量的动态信息可通过DWSVDD算法进行提取;最后,通过KDLV-DWSVDD算法建立监控统计量进行故障检测.所提算法在青霉素发酵仿真过程中平均故障检测率可达90.38%,相较对比算法提高了近15%,半导体实际工业过程也证明了所提算法对于间歇过程故障检测的可行性和优越性.
间歇过程、故障检测、互信息、动态潜变量、支持向量数据描述、邻域保持嵌入
42
TP277;TH165.3(自动化技术及设备)
国家自然科学基金;甘肃省工业过程先进控制重点实验室开放基金
2021-07-28(万方平台首次上网日期,不代表论文的发表时间)
共13页
244-256