基于故障重构的PCA模型主元数确定方法地研究.pdfVIP

中南工业大学学报(自然科学版) 第34卷增刊2 2003年7月 J．CENT．SOUTHUNIV．TECHNOL． 基于故障重构的PCA模型主元数确定方法的研究 孙娇华，李元 (沈阳化工学院，信息工程学院，辽宁沈阳 110021) 摘要：基于故障传感器测量数据的重构知识，研究了确定PCA模型主元数的方法，即求取最优主元个数．该方法利 用传感器数据本身所具有的高度相关性，通过定义未重构误差方差，并使其在故障重构过程中达到最小，从而更加 合理地计算出主元个数，并且大大减少了以往方法中人为因素的影响．通过在化工过程中的仿真分析，所得结果与 累计方差贡献率方法所得结果相比较，具有一致性． 关键词：主元分析；主元子空间；残差手空间；故障重构；重构误差方差 中图分类号：TP273 目前已有多种故障诊断技术．其中，统计分析 空间(principalcomponent 方法是一种较适用的信号处理方法，主元分析 子空间(residual (PCA)是多元统计分析中常用的方法之一[1]，主要模型．假设为一已经标准化的咒×m维数据(其中n 用于对含有噪声和高度相关的测量数据进行分析， 为样本数，m为变量数)，分解如下： 将高维信息投影到低维子空间，并保留主要过程信 ^ ～ X=X+X． (1) 息． 在化学工业过程中，主元分析对于生产过程的 其中，矩阵x、x分别表示x向PCS投影的矩阵变 监控、分析方面有着重要的意义，因而是与之密切相 量和向RS投影的矩阵变量．这里： 关的参数之一．主元个数的确定也是非常重要的． X=PPTX=CXEPCS． (2) 比较普遍的一种确定方法是根据得分向量的累积方 叉=(J—PPT)x三(I—C)x∈RS．(3) 差贡献率，若累积方差贡献率大于某一给定值，则相 其中，P∈F…，为x的载荷矩阵，z≥1为模型的主 对应的主元个数即为所求．另外，还存在多种信号处 元个数．可以验证PCA模型所分解的2个子空间 理的方法，如Wold提出了一种交叉有效性(cross- PCS和RS是正交的[2]． validation)方法确定主元个数；Catell根据相关矩阵 PCA的几何模型建立之后，所要检测的传感器 特征值，提出在其图中沿着一条斜率较小的直线突 采样数据z(被标准化后)就可以依此被分解如下： 然下降的一点则认为是最优主元个数的方法；Jores- z=童+三． (4) kog等根据每一个主元必须满足至少有1／m的方差 其中： 奎=PPTz三＆∈PCS； (5) 贡献率确定主元个数，等等[1]． 现代化工过程自控系统中存在大量的测量传感 三一(J—C)z三良ERS． (6) 器，如温度、流量和压力传感器等．正常情况下，由于 PCA的几何模型将测量数据空间(R“)分解成 能量守恒、物料平衡等因素，使得传感器测量值高度 2个相互正交的子空间即主元子空间(PCS)和残差 相关‘21．