基于映射向量和加权Q贡献图的故障识别研究.pdfVIP

化工自动化及仪表，2010，37(12)：48—50 检测与仪表 InstrumentsinChemical Controland Industry 基于映射向量和加权Q贡献图的故障识别研究 李荣雨，杨小健，殷绚 (南京工业大学电子与信息工程学院，南京210009) 摘要： 在基于主元分析(PCA)的统计过程监控实施中，贡献图是一个常用的故障识别工具。但难以实现故 障精确定位的缺点限制了贡献图的进一步推广。通过引入基于真实值的故障模型，推导出故障映射向量幅值与 故障贡献准确性的关系，指出了传统Q贡献图的理论缺陷，并提出了一种加权Q贡献图故障识别法。在csTR上 的仿真证明，相比传统Q贡献图，该法可以更准确地识别传感器，消除了对操作员的误导。 关键词： 主元分析；统计过程监控；故障识别；贡献图 中图分类号：TP206文献标识码：A 文章编号：1000—3932(20lo)12-0048-03 1引言 障时，e=0，P，支撑的空间称为残差子空间，其维数 在统计过程监控中，故障的识别是一个既重要 为系统中线性关系的个数m。 又难以实现的环节，PCA作为一个常用的统计过程 在实际的过程监控系统中，求负荷矩阵时可由 监控工具，其故障识别技术主要包括贡献图法、 采样的样本协方差阵来代替三，这一过程被称为 Multi．block[¨、故障重构法‘21、结构化残差m51及模PCA统计模型的建立。求出负荷矩阵后，对新测量 式识别拍。等方法，各种方法都有其优缺点，其中贡献 一组数据菇(i)可计算其残差向量的平方预测误差 图法由于使用简便直观，在工程实施中一直起着重 (SPE)即Q统计量，如果满足： 要作用。 SPE=0e(i)俨=0P。Pe7z026沁 (4) 贡献图给出了各个被监控过程变量对检测统计 则认为过程处于受控状态，这里6珊表示控制限。正 常的测量噪声及过程噪声均不会令SPE统计量超 量(一般为r或SPE)的贡献，它较易生成，不需要 先验过程知识，主要用于传感器故障的识别。其理 出控制限。 论基础是假设高贡献率的过程变量是故障产生的原 3基于映射向量和加权Q贡献图的故障识别 因，但是由于一个传感器故障会影响到其它变量在 3．1 Q贡献图的理论缺陷 主元模型下的估计值，进而影响到这些变量对检测 贡献图是把各变量对统计量的贡献值在图形中 统计量的贡献，所以贡献图只能为操作员提供一定 描绘出来，由于其简单直观等特性，在过程监控的工 程度且有时根本不正确的指示作用¨1。 程实施中一直起着重要作用。各变量对Q统计量 2基于PCA过程监控的原理 的贡献值可定义为‘81： 考虑k输入m输出的对象，对不含噪声信息的 Q，=毛一ii=Pi．Pe7x (5) 系统协方差阵三可进行如下特征值分解： 式中：圣；——变量戈；的估计值；p。．——P。的第i行。 三=队旷 (1) 有时也用Q，的绝对值或平方来表示对Q统计量的 式中：A——对角阵，其元素为沿对角线递减的特 贡献。本章的所有观测数据都已经标准化处理，故不 征值；V=[P 加说明。从式(5)可看出，每个被监控变量的观测值 P。]——单位正交特征向量阵，被称