基于BDKPCA—OCSVM间歇过程故障检测.pdf

第 49卷 第 l期 石 油 化 工 自 动 化 VoI_49，No．1 2013年 2月 AUT 【】MATI()N IN PETRO-CHEMICAL INDUSTRY February．20l3 基于 BDKPCA—OCSVM 的 间歇过程故障检测 孙婧，田学民 (中国石油大学 (华东)信息与控制工程学院，山东青岛 266580) 摘要 ：针对间歇过程的非线性和动态性，给出了一种将动态核主元特征提取和单类支持向量机( A一(x M)分类相结合的 故障检测方法。利用核的方法提取过程的非线性特征，通过构建(AI )时间序列模型提取过程的动态性特征。建立 {~BVMNif 模型，并构造统计量进行实时故障检测。在盘尼西林发酵系统上的仿真实验结果说明，该方法能够更有效地检测故障的发生。 关键词：间歇过程 故障检测 动态核主元分析 单类支持向量机 中图分类号：1P277．3 文献标志码 ：B 文章编号 ：1007—7324(2013)01—0022—06 FaultDetectionBasedonBDKPCA ～0CSVM f0rBatchProcess SunJing，TianXuemin (CollegeofInformationandControlEngineering，ChinaUniversityof Petroleum (East)，Qingdao，266580，China) Abstract：Aim tothenonlinearanddynamiccharactersforbatchprocess，anew approachfor faultdetectionbasedoh batchdynamickernelprincipalcomponentanalysis (BDKPCA)and one-classsupportvectormachines (OCSVM )hasbeen presented．Thenonlinearfeatureis obtainedby BDKPCA method and thedynamicfeature isobtained through buildingauto— regressivemovingaverageexogenous(ARMAEX)timeseriesmodelintheprocess．OCSVM statisticmodelisbuilt，andrealtimefaultdetection isconducted．Thesimulationresultson pensim fermentationsystem show theapproachcandetectthefaultefficiently． Keywords：batchprocess；faultdetection；BDKPCA；OCSVM 随着工业生产规模的不断扩大和复杂性的日 出了批动态主成分分析 BDPcA(BatchDynamic 益提高，有效地进行过程故障检测是保证生产安 PCA)；针对过程 的非线性特征，文献 [3 4]通过 全、提高产品质量和经济效益的关键uj。故障检测 引入非线性核函数，采用多向核主元分析MKPCA 可看成是偏离正常工况的离群点的检测，这等价于 (MultiwayKernelPCA)方法，充分提取过程中的 一 类分类 问题 。单类支持 向量机 OCSVM (One- 非线性信息；针对过程非线性、动态性并存的现象， ClassSupportVectorMachines)在一类分类问题 文献 [5]提 出了批 动态核 主元分析 BDKPCA 上显示了优势，已被应用于故障检测中。传统的基 (B