pca故障诊断步骤.docx

V基于PCA算法的故障诊断步骤讨穆正爲数据x图2-1 PCA故障检测流凉离线PCA监测模型的计算步骤:(1)选择监控变量，收集正常工况下的各变量的样本，记为训的话，为一个观测变量各个采样点的值 )练样本数据X_trai n和检验数据X_test ； V 基于PCA算法的故障诊断步骤 讨穆正爲数据x 图2-1 PCA故障检测流凉 离线PCA监测模型的计算步骤: (1)选择监控变量，收集正常工况下的各变量的样本，记为训 的话，为一个观测变量各个采样点的值 ) 练样本数据X_trai n和检验数据X_test ； 兀712 ^nm. X_train为n x m矩阵，即n个样本，m个观测变量(即以列向量来看 对样本数据X_train和检验数据X_test进行中心化和标准化处理 二＞|确定拿尤个数 X^train = ^21 x22 … 求楡测样本为主 儿 _V 求得蠶常城耳计算暑的畐 得到故障险测輪果 PCA模犁 尸(口 )和 Q(^) 対Kj进行标准化 对X数据标准化 n1=171 — 1 n 1=1 71 — 1 得到 和一一； 中心化处理：按列对X_train减去观测变量的均值 观测变量某一采样点的值减去这一观测变量所有采样点 的平均值 求取一列（即某一观测变量）的平均值 标准化处理：对X_train除以观测变量的标准差（按列（观测变量） 进行） 标准差 求出标准化矩阵刀；的协方差矩阵的协方差矩阵对刀为:V 求出标准化矩阵 刀； 的协方差矩阵 的协方差矩阵对刀为: V 5train 对刀进行特征分解,求得特征值心:…w (■- ■ ■■_ - - ■■.)及其对应的特征向量.-i."心％ (负荷向量)； 确定主元个数，确定了主元个数k,就得到了 k个特征值 ■t A」：—’〉九，及其对应的特征向量背工一 ?.一 .； A:累计贡献率法： 前k个主元的累积方差贡献率为：二一 当前k个主元的累积方差贡献率达到 85%则主元个数取k值 B:交叉检验估计法： 将采集到的数据分成 k个部分，1部分数据用来建立主元模型， 剩下的k-1部分用来作为检验数据去检验所建的模型。如此 ，建 立若干个不同主元个数的模型 ，并测试所建立的模型，从中选取 一个通过检验后误差最小的模型的主元个数作为系统主元个数。 （4） 建立PCA主元模型，并进行交叉验证以确定误差最小 按照盹一汽f.谕疼求出第i个主元，并依据 兀鳥m = + 卩卩』+ *" + tfcPZ =X5traiBPipJ+X5trainp2p2T + …+ xStrainpfep/ 求出其主元模型 用=一带入得到另一主元模型?”，依据L工-乂，求出模型 误差，确定模型误差最小的那个模型即为主元模型。 （5） 计算T2统计量控制限和SPE统计量控制限； 对于样本个数为n,主元个数为k的过程变量X_train, T2统计量 服从自由度为k和n — k的F分布,则置信度为a的T2统计量控 制上限为: T2 —T UGL T2 — T UGL - n-k k(n ~ ° ?召(fc.n-fc) 或. -1 - 1 ",.-: n(n-Jc) 检验水平为a的SPE统计量控制上限为： 斶询］+与更+型w仏 丁_ _ ［一 ..丄, 「 _ 」? , ■■ - - I - ■' -」是与(1- ■■)分位点对应的标准差 在线过程监测与故障诊断步骤： 采集第i时刻的在线实时数据； c 为1X m矩阵),并 进行中心化和标准化处理得到、一; 按照'',求出=.的得分 向量，依据更W冷塗炭碗;,求出PCA模型估计量 ；\ 这里 计算二 的T2统计量和SPE统计量，并画出T2统计量和 SPE统计量的控制图； <2(0 = x⑴卫一厲卩』风务丁 将上述计算结果与T2统计量控制限和SPE统计量控制限比 较,以检测过程运行有无异常，当有异常状态发生时 ，绘 制贡献图，找出与故障相关的系统变量： 检查每个观测值x的标准化得分二,并确定造成失控 状态的r(rva)个得分「；，； 九 a 计算每个变量??相对于失控得分：的贡献率是: cont^j = — Pyx； 当时曲心是负时,设它为零； 计算第j个过程变量i的总贡献率： r CON 号= i=l 把所有m个过程变量」的厂「「二画在一个曲线图上。 PCA_TE仿真程序： %%T过程的传统主元分析在 Matlab中的仿真程序 %建立模型： %载入模型数据，以故障11为例 Xtrain = pkxIOI; Xtrain = double(Xtra in); 9载入测试数据 Xtest = pkx102; Xtest = double(Xtest); 淅准化处理： X_mean = mean(Xtrain); %按列求 Xtrain 平均值 X_std = std(Xtra