主元空间中故障可重构性、可分离性研究.pdfVIP

第32卷第6期 计算机与应用化学 V01．32，No．6 lied 121i笙!旦：!旦 ￡呈璺已Iute塔袖dApIpI ch锄is堑= 2婴宝!垒：Q!i 主元空间中故障可重构性、可分离性研究 肖应旺p，陈呈国2，黄业安2，刘冬杰3，杨军1，姚美银1 (1．华南师范大学南海校区软件学院，广东，佛山，528225： 2．华南师范大学计算机学院，广东，广州，51063l； 3．华南师范大学教育信息技术中心，广东，广州，510631) 摘要：基于主元分析(Principal 障诊断能力。本文在故障子空间和PCA监测模型及故障重构技术的基础上，研究了基于严统计量的故障诊断问题，获得了主 元空间中故障可重构性、可分离性的必要充分理论条件。通过对双效蒸发过程的仿真监测，证实了所获理论结果的有效性：表 明通过故障重构不仅为故障识别提供了基础，而且重构故障幅值波形还为判断传感器故障类型提供了依据。 关键词：故障子空间和PCA监测模型：故障重构；主元空间；故障可重构性和可分离性 中图分类号：TP301．6 文献标识码：A 文章编号：1001-4106(2015)06—733-738 DOh 10．11719／corn．app．the 历史运行记录和工艺信息，可定义具有J∈Z+(Z+表示 1 引言 正整数)个故障的集合∽)二。通过分析故障传播模式， 基于主元分析(Principal Analysis，PCA) Component 可将故障集中的各故障表述为孵”中的子空削1’引，m为 的统计检测方法由于没有利用过程机理模型(first 监测系统的传感器数目。记{0，池为故障子空间集合， principlemodel)的信息，因此在一定程度上限制了其故障其中可包括多维故障的情况，即dim(O。)=‘≥1。故障E 诊断能力的发展。美国德克萨斯大学(奥斯汀)的Dunia 发生时的过程数据工可表示为： 等人提出故障子空间的概念【lJ，从而可以将过程工艺信息 x=x奉+O，， (1) 融入到数据驱动的PCA统计模型中，使得故障的可重构 其中妒∈贸”为名义上的正常数据，故障参数 性以及可识别性等一些重要的基础性问题得以部分解 厂∈贸‘，Ml为故障幅值，故障子空间@，的维数为m×，j。 决，为PCA理论的深入发展提供了新的思路。 2．2 PCA监测模型 Dunia等人提出的基于故障子空间的几何分析方法， PCA统计模型是对正常工况下过程变量之间的相互 其核心环节为故障重构技术，随后国内外有些人沿着 关联关系的一种统计描述。为便于后面阐述，这里从子 Dunia的思路对基于重构法的故障监测【2】、故障的可分离空间的角度简要介绍一下它的监测原理。记建模数据集 性与识别性[3】进行了研究。但是Dunia等人的工作只利用 为以。。，n为采样次数，m为传感器数目。对以。，(已 Prediction 了PCA统计模型中的平方预测误差(Squared 标准化)的相关系数矩阵R=x7x／∽一1)作奇异值分解 Error,SPE)统计量(在残差空间中)，因而具有很大的局 得： 限性【4】。本文基于PCA框架，仍采用故障子空