基于改进多尺度核主元分析的化工过程故障检测与诊断方法研究 .pdfVIP

学兔兔 第3l卷 第 1期 仪 器 仪 表 学 报 V_01．3l No．1 2010年 1月 Chinese Journal of Scientific Instrument Jan．2010 基于改进多尺度核主元分析的化工过程 故障检测与诊断方法研究冰 许 洁 ，胡寿松 ，申忠字 (1 南京航空航天大学自动化学院 南京 210016；2 南京师范大学电气与自动化工程学院 南京 210042) 摘 要：针对化工过程数据的多尺度性和非线性特性，提出了改进多尺度核主元分析法。先利用小波变换分析测量数据的多尺 度特性，然后采用核主元分析算法进行在线故障检测，对检测到的故障采用核函数梯度算法实现在线故障诊断，根据每个监控 变量对统计量 和SPE的贡献程度，绘制贡献图，用于故障的分离。在监控过程中为解决核矩阵计算困难，引入特征向量选择 方法。TE过程的仿真结果表明它能有效实现故障检测、故障诊断，与主元分析方法相比，显示出更高的过程监控能力。 关键词：小波变换；核主元分析；故障检测；故障诊断；特征向量选择；贡献图 中图分类号：TP277 文献标识码：A 国家标准学科分类代码：510．8010 Fault detection and diagnosis of chemical process based on an improved multi-scale KPCA Xu Jie ，Hu Shousong ，Shen Zhongyu (1 College ofAutomation Engineering Nanjing University ofAeronautics andAstronautics,Naming 21001China； 2 School ofElectrical and Automation Engineering，Nanjing Normal University,Nanjing 210042，China) Abstract：An improved multi—scale kernel principal component analysis method is proposed for analyzing the multi—scale and nonlinear property of chemical data．Wavelet transform is used to analyze the multi—scale property of the measurement data，while kernel principal component analysis algorithm is used to realize online fault detection． Using the gradient of kernel function，KPCA contribution plots are protracted，which represent the contribution of eachmonitoringvariabletothe statistics and sPE．Duringthemonitoringprocess featurevector selectionmethod is given to reduce the computation complexity of the kernel matrix．To demonstrate the perform ance，the proposed method is applied to TE process．Simulation results show that the improved MSKPCA effecdvely