《基于KPC-kNN方法的批次过程故障诊断》.pdfVIP

第 28卷 第 2期 沈 阳 化 工 大 学 学 报 Vo1．28 No．2 2014．06 JOURNALOFSHENYANG UNIVERSITY OF CHEMICALTECHNOLOGY Jun．2014 文章编号： 2095—2198(2014)02—0170—05 基于 KPC—kNN方法的批次过程故障诊断 袁 杰 ， 郭小萍， 李 元 (沈阳化工大学 信息工程学院，辽宁 沈阳110142) 摘 要： 为克服FD—kNN算法的计算量和存储量特别大，PC—kNN主元仅仅能体现过程中线性信 息的不足，提 出一种基于KPC．kNN 的故障诊断方法．在 KPCA提取非线性信息后，在核主元空间 里应用kNN算法，计算k个最近样本的距离平方和作为统计指标，使用核密度估计方法计算训练 空间的控帑1限．半导体工业实例的实验结果验证 了所提方法的有效性． 关键词：故障检测 ；核主元分析(KPCA)；k最近邻(kNN)；批次过程； KPC—kNN doi：10．3969／j．issn．2095—2198．2014．02．015 中图分类号： TP277 文献标识码 ： A 批次过程因其操作方便、附加值高等特点， 再进行 kNN处理，即PC—kNN4【j，这种算法可有 被广泛应用到工业过程中．业 内普遍认为通过对 效减少计算量，然而，主元个数选择较少时，丢弃 批次过程细节上的深入研究而更加深入地了解 的原始信息有些多．近年来，核函数方法被广泛地 批次的运行状态，会促进生产力 的进一步提 应用于处理批次过程非线性问题．在这些核函数 升…．但是批次过程灵活方便的操作特点也导 方法中，核主元分析因为其能迅速提取原始数据 致了复杂的数据特点，比如，批次过程数据的非 的非线性特征而(KPCA)应用最广． 线性关系、多操作工况、工时不等长、多时段、时 本文结合 KPCA和 kNN 的优点，提出一种 段不等长等，这些特点导致批次过程的过程监控 KPC—kNN方法，使用核函数将原始的过程中有 面临很多问题，如何处理批次过程的这些复杂特 复杂非线性和耦合关系的低维数据映射到高维 征成为热点． 的线性空 间中，在高维 的线性空 间中，使用 针对批次过程的非线性处理，许多学者提出 PCA，将绝大部分信息提取出来，对这部分数据 了不同方法．Nomikos和MacGregor提出了多向 进行kNN处理．仿真实验验证了所提方法的有 主元分析 (MPCA) J，将PCA算法应用到充 效性． 满复杂统计特征的批次数据中，由此衍生的基于 PCA的很多算法也被提出来．但 PCA方法不能 1 基于KPG—kNN的故障检测算法 全部提取出过程数据中的信息，因为PCA算法 1．1 核主元分析 最初的应用领域是针对线性数据矩阵的．近年来， HePeter等提出一种基于近邻思维的kNN算法， 作为非线性数据和线性数据之问的重要的 这种算法并不在乎所处理的数据线性与否，但是 联系，基于核思想的方法最早要追溯到20世纪 在变量较多的情况下，该算法的计算量和存储量 20年代．在20世纪6O年代后期，核方法首先被 较大．使用PCA算法首先对原始数据进行降维， 应用到模式识别中解决非线性问题．近年来，核 收稿 日期： 2013—03—29 基金项 目： 国家 自然科学基金资助项 目61034006；辽宁省教育厅科学研究项 目(L2013155) 作者简介： 袁