去主元相关性 DKPCA 故障检测与诊断方法

来源：计算机技术与发展杂志2023年第04期北京时间：

作者：张成;韩宏宇;李元

单位：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

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 KernelPrincipal 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