滑动窗CVA算法.docVIP

滑动窗CVA算法 摘要：规范变量分析在动态过程系统的故障诊断中，与主元分析法和偏最小二乘法相比有其独特的优势。针对过程数据通常具有时变性，方法不能得到较好的故障诊断准确率，提出滑动窗规范变量分析算法，在建立了初始的模型和监控统计量的基础上，通过滑动窗更新过程变量数据，计算更新相关数据，最终实时的更新出模型和监控统计量。在对Tennessee-Eastman过程仿真中，通过对比的故障诊断效果，验证了本文所提出方法的有效性。 关键字：；滑动窗；故障诊断；TE过程 现代化工过程有效的故障诊断是确保生产过程中产品和人身安全的重要方法[1,2]。化工过程测量变量数据中具有多种多样的复杂特性，比如互相关性、强自相关性、时变性等特性。主元分析法和偏最小二乘法是较早提出并且已经得到广泛应用的化工过程故障诊断方法[3,4]。这两种方法能够有效地处理过程测量变量数据中的互相关性，然而在处理强自相关性时并不能得到满意的效果，为了解决该特性提出的动态方法也没有完全解决过程变量的强自相关性[5]。规范变量分析方法是基于数据驱动的故障诊断方法，最大化过程变量的自相关性和互相关性，建立过程的状态空间模型和监控统计量进行故障诊断，Antoine等[6]将进行比较并证明了方法的优越性。 但是，化工过程的数据通常还具有时变特性，实际化工过程中常因设备的磨损老化、环境的变化等引起正常参数的缓慢变化，使得以前建立的正常过