基于全变量信息的子空间监控方法.pdfVIP

第 66卷 第 4期 化 工 学 报 V_01．66No．4 2015年4月 CIESC Journal April2015 毳 麓 {j ； 0 j 0 j ≥0 ≥； j≥ j } 基于全变量信息的子空间监控方法 吕小条，宋冰，谭帅，侍洪波 (华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海 200237) 摘要：实际化工过程采集得到的数据往往维度较高，直接建模比较复杂。主元分析 (principalcomponentanalysis， PCA)方法可以提取原始数据主要特征，得到低维数据，但传统的PCA过程监控方法仅保留了方差较大的主元， 会造成信息缺失，这将大大影响过程监控性能。针对这一问题，提出了一种新的基于全变量信息 (fullvariable information，FVI)的子空间监控方法。首先，依据每个变量与主元空间 (principalcomponentsubspace，PCS)和 残差空间 (residualsubspace，RS)相似性的高低，将原始数据空间划分为 3个维度较低的子空间，3个子空间保 存了全部过程变量，可以更充分地利用过程信息。其次，在每个子空间中，分别建立监控模型，并利用贝叶斯推 断整合子空间的监控结果。最后，通过数值仿真及TennesseeEastmna (TE)过程仿真研究验证FVI方法的有效性。 关键词：化工过程系统；子空间；信息缺失：监控模型：数值分析 DOI：10．119490．issn．0438-1157 中图分类号：TP277 文献标志码：A 文章编号：0438—1157(2015)04～1395一O7 Subspacemonitoringbasedonfullvariableinformation LUXiaotiao，SONGBing，TAN Shuai，SHIHongbo (KeyLaboratoryofAdvancedControlandOptimizationforChemicalProcessesofMinistryofEducation， EastChinaUniversityofScienceandTechnology，Shanghai200237，China) Abstract：Sincedatacollectedfrom chemicalprocessesalwayshavehighdimensions，modelingdirectlycanbe very complex．PCA can extractmain featuresoftheoriginaldataandobtainamorecompactrepresentation． However,thetraditionalPCA processmonitoringschememaycause information loss，sinceitonlypreserves principalcomponentswithlargevariance，whichwillgreatlyaffecttheperformanceofprocessmonitoring．To handlethisproblem，anovelsubspacemonitoringmethodbasedonfullvariableinfomr ationwasproposed．Firstly, Basedonhtesimilaritylevelbetweeneachvariableandprincipalcomponentsubspace(PCS)orresidualsubspace (RS)，theoriginaldataspacewasdividedintothreelow—dimensi