摘要
带钢热连轧过程中采集的数据具有较强的自相关性、互相关性以及时变性,典型变量分析方法(CVA)虽然能够解决自相关性和互相关性的问题,但是由于过程数据存在时变性,导致以前构建的监控模型不再适用于现在的数据,因此提出了一种基于滑动窗口的典型变量分析方法(MWCVA).该方法首先通过初始窗口构建CVA模型和统计量,解除了数据之间的自相关性和互相关性,然后通过滑动窗口更新过程数据,不断更新CVA模型和统计量,解决了时变性导致检测结果不准确的问题,最后通过控制限判断是否发生故障,在监测系统内部状态空间的同时监测外部状态空间的变化,更加全面地进行故障检测.通过带钢热连轧过程(HSMP)案例的仿真研究,对比CVA、MWCVA的检测效果,证明了MWCVA对故障识别的精度高达100％,误报率不足0.5％.
NETL
NSTL
维普
万方数据