独立慢特征分析建模方法及其在动态故障检测中的应用.pdfVIP

第51卷第11期自动化学报Vol.51,No.11

2025年11月ACTAAUTOMATICASINICANovember,2025

独立慢特征分析建模方法及其在动态故障检测中的应用

111

张晨孔祥玉胡昌华

摘要故障检测与诊断技术是保证复杂装备或工业过程正常运行的技术支撑和有效手段,独立成分分析(ICA)作为一

种典型的多元统计过程监测方法,可充分挖掘数据的高阶统计信息.传统ICA方法在预处理阶段采用主成分分析(PCA)

进行白化和降维,但PCA的静态性质导致ICA在动态过程监测中的效果不太理想.为解决这一问题,提出一种独立慢特征

分析(ISFA)建模方法.ISFA以原始观测矩阵和白化矩阵为自变量构造双目标优化函数,基于牛顿迭代法求解目标函数,

使用网格搜索优化权重系数,利用指数加权移动平均修正统计量并构建综合检测指标.最后,利用数值仿真和电动伺服机构

实验验证了所提方法的有效性.

关键词独立慢特征,动态过程,故障检测,网格搜索

引用格式张晨,孔祥玉,胡昌华.独立慢特征分析建模方法及其在动态故障检测中的应用.自动化学报,2025,51(11):

2520−2533

DOI10.16383/j.aas.c250134CSTR32138.14.j.aas.c250134

Independent-SlowFeatureAnalysisModellingMethodandItsApplicationin

DynamicFaultDetection

111

ZHANGChenKONGXiang-YuHUChang-Hua

AbstractFaultdetectionanddiagnosistechnologiesserveascriticaltechnicalsupportsandeffectivemeansto

ensurethenormaloperationofcomplexequipmentorindustrialprocesses.Asatypicalmultivariatestatistical

processmonitoringmethod,independentcomponentanalysis(ICA)canfullyexploithigh-orderstatisticalinforma-

tionfromdata.ConventionalICAmethodsemployprincipalcomponentanalysis(PCA)forwhiteninganddimen-

sionalityreductionduringthepre-processingstage.However,thestaticnatureofPCAcompromis