基于多元统计分析的故障检测方法

《基于多元统计分析的故障检测方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第49卷第6期上海交通大学学报Vo1．49NO．62015年6月JOURNALOFSHANGHAIJIAOTONGUNIVERSITYJun．2O15文章编号：1006～2467(2015)06—0842—07+0854DOI：10．16183／j．cnki．jsjtu．2015．06．018基于多元统计分析的故障检测方法纪洪泉，何潇，周东华(清华大学自动化系，清华信息科学与技术国家实验室，北京100084)摘要：作为数据驱动故障检测方法中的重要分支，基于多元统计分析的故障检测方法主要包括主元分析、偏最小二乘、独立元素分析和费舍尔判别分析．本文回顾了上述几种方法，包括数据模型、故

2、障检测的原理及方法优劣．仿真实验说明了几种方法的特性及其故障检测的效果，并探讨了基于数据故障检测方法中的一些问题．关键词：多元统计分析；主元分析；偏最小二乘；独立元素分析；费舍尔判别分析中图分类号：TP273文献标志码：AFaultDetectionTechniquesBasedonMultivariateStatisticalAnalysisJIHong—quart，HEXiao，ZHOUDong—hua(DepartmentofAutomation，TNList，TsinghuaUniversity，Beijing100084，China)Abstract：Asanimpor

3、tantbranchofdata—drivenfaultdetectionmethods，multivariatestatisticalanalysis—basedfaultdetectionmethodsmainlyincludeprincipalcomponentanalysis，partialleastsquares，independ—entcomponentanalysisandfisherdiscriminantanalysis．Inthispaper，thedatamodelandfaultdetectionmechanismofeachmethodmentioned

4、abovewerereviewed．Severalpropertiesofthesemethodswerere—vealedintuitivelyusingsimulationresults，andtheirfaultdetectionabilitieswereillustrated．Finally，sev—eraIproblemsrelatedtodata—drivenfaultdetectionmethodswerediscussed．Keywords：multivariatestatisticalanalysis；principalcomponentanalysis；par

5、tialleastsquares；independ—entcomponentanalysis；Fisherdiscriminantanalysis随着科学的发展和技术的进步，现代工业过程析模型的情况下，通过利用过程变量之间的相关性的规模和复杂程度都在日益提高．与此同时，人们对进行故障检测_1]．常用的多元统计方法包括主元分工业过程运行安全性能和产品质量也提出了更高的析(PrincipalComponentAnalysis，PCA)、偏最小要求，过程监控和故障诊断技术尤其重要l1]．作为二乘(PartialLeastSquares，PLS)、独立元素分析数据驱动故障检测方法中的重要

6、分支，基于多元统(IndependentComponentAnalysis，ICA)和费舍尔计分析的故障检测方法在过去的2O多年时间里取N,N分析(FisherDiscriminantAnalysis，FDA)．得了长足发展，大量的研究成果得以发表并成功应为克服传统单变量监控方法的缺点，早在20世用于化工、钢铁及制药等多种工业过程中_3]．基于多纪90年代初期，PCA和PLS就被用来处理多个相元统计分析的故障检测方法在不需知道过程精确解关测量变量的联合监控问题，并形成了相应的故障收稿日期：2015-01—15基金项目：国家自然科学基金资助项目(61490701，61210012，

7、61290324，61473163)作者简介：纪洪泉(1990一)，男，山东省德州市人，博士生，研究方向为数据驱动的过程监控和故障诊断周东华(联系人)，男，教授，博士生导师，E—mail：zdh@mail．tsinghua．edu．cn．第6期纪洪泉，等：基于多元统计分析的故障检测方法843检测方法，构成多元统计过程监控(MultivariateS===xx一(3)StatisticalProcessMonitoring，MSPM)的基本框架]．PCA旨在通过一组线性变换，捕捉过