基于KPCA与LS—SVM的化工过程故障诊断算法研究.pdfVIP

2012年第5期 工业仪表与 自动化装置 ·3 · 基 于 KPCA 与 LS—SVM 的化工过程故障诊断算法研究 解 庆 ，杨 武 ，赵小强 (1．甘肃蓝科石化高新装备股份有限公司，兰州 730070； 2．兰州理工大学 电气工程与信息工程学院，兰州730050) 摘要：针对核主元分析方法(KPCA)在复杂化工在线监控过程 中初始故障源难 以辨识的问题， 该文提出了一种基于核主元分析和最小二乘支持 向量机 的集成故障诊断方法。该方法首先运用 KPCA对数据进行预处理，在特征空间构建 和 ． 来检测故障的发生，然后计算样本的非线性 主元得分向量，将其作为最小二乘支持向量机的输入值，通过最小二乘支持向量机的分类进行故障 类型的识别。将上述故障诊断方法应用到TennesseeEastman(TE)化工过程，多种故障模式下的仿 真结果表明，该方法不但能有效地辨识故障，而且提高了故障检测和故障诊断的速度。 关键词：化工过程；故障诊断；核主元分析；最小二乘支持向量机 中图分类号 ：0212．4 文献标志码 ：A 文章编号 ：1000—0682(2012)05—0003—05 A faultdiagnosisalgorithm ofchemicalindustryprocess basedonKPCA andLS—SVM XIEQing，YANGWu，ZHA0Xiaoqiang (1．LanpeeTechnologiesLimited，Lanzhou730070，China； 2．CollegeofElectricalandInformationEngineering，LanzhouUniversityofTechnology，Lanzhou730050，China) Abstract：Whenkernelprincipalcomponentanalysis(KPCA)methodisappliedtotheon-linemoni- toringofcomplexchemicalindustrialprocess，primaryfaultsourcesareusuallydifficulttoidentify．Soan integratedfaultidentificationmethodbasedonKPCA andleastsquaressupportvectormachine(LS— SVM)isproposed．FirstthedataareanalyzedbyusingKPCA，T2andSPEareconstructedinthefeature spacefordetectingfaults．If andsPE exceedthepredefinedcontrollimits．afaultmayhaveoccurred． Thennonlinearprincipalcomponentscorevectorsofthesamplesarecalculatedand inputted intoleast squaressuppoavectormachinetoidentifythefaultsthroughleastsquaressuppo~ vectormachineclassifi— cation．TheproposedmethodisappliedtotheTennesseeEastman(TE)chemicalindustryprocess．Simu— lationresultsofmultiplefaultmodesdemonstratethattheproposedmethodcannotonlyeffectivelyidenti· fyvarioustypesoffaultsources，butalsoimprovespee