一种鲁棒半监督建模方法及其在化工过程故障检测中的应用.pdf

第 68卷 第 3期 化 工 学 报 、，o1．68No．3 2017年 3月 CIESC Journa1 March 2017 DOI：10．11949~．issn．0438—1157 一 种鲁棒半监督建模方法及其在化工过程故障检测中的应用 周乐 ，宋执环 ，侯北平 ，费正顺 (浙江科技学院自动化与电气工程学院，浙江 杭州 310024； 浙江大学控制科学与工程学院，浙江 杭州 310027) 摘要：复杂化工过程的观测样本往往包含着测量噪声与少量的离群点数据，而这些受污染的数据会影响数据驱动 的过程建模与故障检测方法的准确性。本文考虑了化工过程测量样本的这一实际情况，提出了一种鲁棒半监督 PLVR模型 (RSSPLVR)，并利用核方法将其扩展为非线性的形式 (K．RSSPLVR)。此类算法利用基于样本相似度 的加权系数作为概率模型的先验参数，能有效消除离群点对建模的影响。利用加权后的建模样本，本文通过 EM 算法训练了RSSPLVR和K．RSSPLVR的模型参数，并提出了相应的故障检测算法。最后，通过TE过程仿真实验 验证了所提出方法的有效性。 关键词：故障检测；鲁棒模型；半监督；过程控制；过程系统；主元分析 中图分类号：TP277 文献标志码：A 文章编号：0438—1157 (2017)03—1109—07 Robustsemi—supervisedmodellingmethodanditsapplicationtofaultdetectionin chemicalprocesses ZHOU Le，SONG Zhihuan ，HOU Beiping，FEIZhengshun (SchoolofAutomationandElectricalEngineering，Zh~iangUniversityofScienceandTechnology，Hangzhou310024，Zh~iang China；CollegeofControlScienceandEngineering，Zh~iangUniversiyt，Hangzhou310027，Zhejiang，China) Abstract：Inmostcomplexchemicalprocesses．measurementsareoftencollectedwithnoisesandsomeoutliers． Thesecontaminateddatawouldhavenegativeeffectontheaccuracyofdata—basedprocessmodellingandfault detection．Anewrobustsemi—supervisedPLVRmodel(RSSPLVR)wasproposedbyconsiderationofthereal measuringenvironmentin chemica1processesand extended to anonlinearmodelK—RSSPLVR with akernel methodology．InbothRSSPLVR andK—RSSPLVR。aweightedcoefficientbasedonsamplesimilarityamongall observationswasusedaspriorcheckingparameterofprobabilitymodeltoeffectivelyeliminate influenceof outliersonmodelling．M odelparametertrainingwasaccomplishedbyanalysisoftheweighteddatasetwithEM algorithm andaf