控制理论与应用

作者：李锦冰,韩冰,冯守渤,张佳冬,李宇,钟凯,韩敏

单位：大连理工大学电子信息与电气工程学部,上海船舶科学运输研究所,大连理工大学电子信息与电气工程学部,大连理工大学电子信息与电气工程学部,大连理工大学电子信息与电气工程学部,大连理工大学电子信息与电气工程学部,大连理工大学电子信息与电气工程学部

关键词：故障检测; 分块核主成分分析; 最小二乘支持向量机; 特征提取

基金：国家自然科学基金项目（61773087）

针对工业系统监测数据为非线性, 且难以辨识复杂工作过程中故障位置的问题, 提出一种基于分块核主成分分析(BKPCA) 和最小二乘支持向量机(LS-SVM) 的集成故障检测方法. 首先对系统监测变量进行分块, 使用KPCA 对每个分块在特征空间中建立T2 和平方预测误差(SPE) 统计量来实时监测系统健康状态, 并使用LS-SVM 对上述过程检测出来的故障数据进行再次判断. 随后计算出现故障后计算每一分块的故障贡献率, 进而确定发生故障的分块. 由于采用了并行分块算法, 可以较简单的确定故障发生位置, 提高的计算效率, 同时LS-SVM 方法的应用也可以提升故障检测的精度. 使用田纳西-伊斯曼化工(TE) 过程数据对本文所提方法进行仿真验证, 试验结果表明所提方法取得了较好效果.

来源：2020年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2020年第4期