基于变量子域PCA的故障检测方法.PDFVIP

第 67 卷 第 10 期 化 工 学 报 Vol.67 No.10 2016 年 10 月 CIESC Journal October 2016 DOI ：10.11949/j.issn.0438-1157 基于变量子域PCA 的故障检测方法 王磊，邓晓刚，徐莹，钟娜 （中国石油大学（华东）信息与控制工程学院，山东青岛 266555 ） 摘要：针对工业过程监控中传统主元分析 （PCA ）方法没有突出局部变量信息的问题，提出一种基于变量子域 PCA （variable sub-region PCA ，VSR-PCA ）的故障检测方法。首先使用 PCA 将原始数据空间分解成主元子空间 （principal component subspace ，PCS ）和残差子空间（residual subspace ，RS ），计算变量与PCS 的互信息来度量 两者的相关性并以此划分变量子域。然后在变量子域中计算局部 T2 统计量和局部 SPE 统计量，并通过贝叶斯推 理整合所有子域的信息构造全局统计量，使得在利用所有过程信息的同时挖掘局部变量信息。在连续搅拌反应釜 系统上的仿真结果表明，VSR-PCA 方法具有更好的过程监控性能。 关键词：故障检测；主元分析；过程系统；动态仿真；变量子域；贝叶斯推理 中图分类号：TP 277 文献标志码：A 文章编号：0438—1157 （2016 ）10—4300—09 Fault detection method based on variable sub-region PCA WANG Lei, DENG Xiaogang, XU Ying, ZHONG Na (College of Information and Control Engineering, China University of Petroleum, Qingdao 266555, Shandong, China) Abstract: Aiming at the problem that traditional principal component analysis (PCA) method can’t highlight the local variable information in industrial process monitoring, this paper proposes a variable sub-region PCA (VSR-PCA) fault detection method. First, PCA is used to decompose original data space into principal component subspace (PCS) and residual subspace (RS), and mutual information between variables and PCS is calculated to 2 measure their correlation which is utilized to obtain the variable sub-regions. Then, local T statistics and local SPE statistics are calculated in e