基于KPCA-PNN的复杂工业过程集成故障辨识方法.pdfVIP

— 第38拳葬j期年J2J 信息与控制landControl Feb．，2009 Information 文章编号：1002．0411(2009)．01．0098—07 基于KPCA．PNN的复杂工业过程集成故障辨识方法 薄翠梅1,2，王执铨1，张广明2 (1．南京理T大学自动化学院，江苏南京210094；2．南京工业大学自动化学院，江苏南京210009) 摘要：针对核主元分析方法在复杂T业在线监控过程中易…现的核矩阵置难以计算和初始故障源难以辨识 的问题．提}f；了一种举十核主元分析和概率神经删络的集成故障辨识方法．首先通过特征样本提取方法颓处理丁业 数据集，然后采用核函数土几分析的Hotelling统汁量r2和SPE方法榆测故障，采用核函数梯度算法定义厂两个新 的统计量G：和csPE，计算r每个临摔变量对统计量丁2和SPE的贡献程度，并提取了故障特征．最后，利用概率神 经嘲络技术进一步从关联故障特征中辨识}{1初始故障源．将J：述故障诊断方法应用到TennesseeEastman(TE)化T 过程；多种故障模式下的仿真结果址示，该方法能够有效地检测并辨识m多种故障类型． 关键词：故障辨识：关联故障；特征提取：核主几分析(KPCA)；概率神经刚络(PNN) 中图分类号：TP274 文献标识码：A An FaultIdentificationMethodBasedonKPCA-PNN Integrated for IndustrialProcess Complex BOCui—mei1，一，WANG 1，ZHANG Zhi—quan Guang—min92 (1．School UniversityofScienceand 210094，China； ofAutomation，Nanfing Technology．Nanjing 210009，China) 2．CollegeofAutomation．NanjingUniversityofTechnology，Nanjing Abstract：W11enkernel is totheon-line of principalcomponentanalysis(KPCA)methodapplied monitoringcomplex Kand orderto industriai is di饰culttocalculatekemelmatrix to the faultsources．In process．itusually identifyprimary overcomethesebottleneck faultidentificationmethodbasedonl(PCAand neuraInet- problems．allintegrated probabilistic feature extractionmethodis to theindustrialdata work(PNN)