计算机技术与发展2023，Vol.33Issue(4) ：161-167.DOI:10.3969/j.issn.1673-629X.2023.04.024

去主元相关性DKPCA故障检测与诊断方法

Fault Detection and Diagnosis Method Based on Removing Principal Component Correlation DKPCA

张成 韩宏宇 李元
计算机技术与发展2023，Vol.33Issue(4) ：161-167.DOI:10.3969/j.issn.1673-629X.2023.04.024
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

去主元相关性DKPCA故障检测与诊断方法

Fault Detection and Diagnosis Method Based on Removing Principal Component Correlation DKPCA

张成 1韩宏宇 2李元3
扫码查看

作者信息

  • 1. 沈阳化工大学 理学院,辽宁 沈阳 110142
  • 2. 沈阳化工大学 计算机科学与技术学院,辽宁 沈阳 110142
  • 3. 沈阳化工大学 信息工程学院,辽宁 沈阳 110142
  • 折叠

摘要

针对动态核主元分析(Dynamic Kernel Principal Component Analysis,DKPCA)在动态非线性过程监控中没有降低数据动态性的影响,导致统计量 T2 具有显著自相关性的问题,提出一种基于去主元相关性的 DKPCA(Dynamic Kernel Principal Component Analysis based on Removing Principal Component Correlation,DKPCA-RPCC)故障检测与诊断方法.首先,对原始数据X进行时滞扩展生成增广矩阵Y并使用KPCA计算主成分M;其次,利用已知数据重构增广矩阵^Y,再使用KPCA计算主成分 ^M;然后,通过主成分之间的差异来构建统计量进行故障检测;最后,利用基于变量贡献图的方法进行故障诊断.通过数值例子和田纳西-伊斯曼(Tennessee-Eastman,TE)过程进行仿真验证,并将仿真结果与KPCA、DPCA和DKPCA的结果进行对比.仿真结果说明,该方法在动态非线性过程监控中构建的统计量故障检测性能更高且具有较低的自相关性.

关键词

动态核主元分析/过程监控/自相关性/去主元相关性/故障诊断

引用本文复制引用

基金项目

国家自然科学基金科学项目(61673279)

辽宁省自然科学基金(2019-MS-262)

辽宁省教育厅基金(LJ2019013)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量5
段落导航相关论文