基于ICASVDD的统计过程监控及其在化工过程中的应用.pdfVIP

2006年全国石油化工生产安全与控制学术交流会 中的应用 ’ 刘雪芹，谢磊，张建明，王树青 (工业控制技术国家重点实验室，浙江大学先进控制研究所，浙江大学玉泉校区，杭州，310027，中国) VectorData 摘要：提出T基fICA．SVDD(SVDD：SupportDescription)的统计过程监控和故障检测方法，避免了多 StatisticalProcess 元统计过程控制(MSPC：MultivariateContr01)假设主元必须服从正态分布的前提。ICA．SVDD的 主要思想是对过程数据抽取独立主元，并利用SVDD来描述独立主元的分布情况，构造新的D2统计量确定其统计 控制限。通过对CSTR过程的仿真研究表明，该方法能够及时地发现过程中出现的异常情况。 关键词；独立主元支持向量数据描述过程监控故障检测 中图分类号：TP277 一种基于高阶统计量的信号分解方法，将其用于流 引言 程工业的过程数据分析处理，能更有效的利用变量 随着现代工业及科学技术的迅速发展，现代化 的概率统计特性，可以在统计独立的意义下对观测 的流程工业系统不断朝着大规模、复杂化、集成化 变量进行分解，得到过程内在的驱动信息源，从而 的方向发展，自动化水平也不断的提高。与此同时， 更本质的描述过程特征12钏。 发生故障的可能性也随之增加。这类系统一旦发生 在对过程进行监控时，ICA的监控方法同传统 故障，不仅会造成人员和财产的巨大损失，而且对 PCA监控方法类似，只是监控统计量和控制限的确 生态环境也将会造成不可挽回的影响。为了提高工 定方法不同。Kanot5】提出一种对独立成分的单变量 业生产过程与控制系统的安全性，迫切的需要建立 监控方法，对每个独立分量构造一张统计监控图， 过程控制系统对工业生产过程的故障监控。传统的 采用样本分布的口／2和1一口／2分位点来确定统 多变量统计监控方法多采用主元分析PCA计控制限。由于独立分量的各个分量满足统计独 Analysis)，偏最小二成分析立，其联合概率密度等于各个独立分量的边缘概率 (PrincipalComponent Least PLS(PartialSquare)等方法【lJ，这些方法在假密度函数的乘积，经过ICA分析后，联合概率密度 设变量独立同分布的同时，还要求变量服从正态分 的估计可以转化为每个单变量的概率密度估计问 布，并且运用的仅是二阶统计量信息。独立成分分 题，而单变量的概率密度估计有许多成熟算法，如 核密度估计算法【6】，小波分析方法等。独立成分的 析方法(ICA，IndependentComponentAnalysis)是 联合概率密度得到之后，可以通过等概率密度曲线 收稿日期：2006．8．13 来确定独立成分分量联合分布的统计控制限。这种 基金项目：国家自然科学基金 方法的主要问题在于计算量大，需要设定的未知参 第一作者：女，1980年生，博士生 数众多，要达到一定的概率密度估计精度跟参数设 ·通讯联系人 置密切相关。Lee构造了，2，￡，SPE统计量，对独 E-mail：sqwang@iipc．ziu．edu．cn．