控制理论与应用

作者：孔祥玉,李强,安秋生,解建

单位：火箭军工程大学,火箭军工程大学,山西师范大学,火箭军工程大学

关键词：数据驱动; 故障检测; 偏最小二乘; 得分重构; 田纳西伊士曼过程

基金：国家自然科学基金项目(61833016, 61673387, 61374120, 61903375)资助.

偏最小二乘(PLS)作为一种典型的多元统计分析方法被广泛用于多变量统计过程监测, 通常要求数据满足高斯–马尔科夫定理. 当数据存在多模态或过程变量非线性相关时, 基于PLS方法的故障检测性能将受到影响. 为此, 本文提出一种基于PLS得分重构的故障检测方法(SR–PLS). 首先, 利用PLS将输入空间分解为质量相关空间与质量无关空间; 其次, 利用类k邻近规则(kNN)对当前得分向量进行重构, 得到重构得分向量; 最后利用重构得分构造统计量, 由核密度估计(KDE)得到控制限, 进行故障检测. 本方法降低了变量间的非线性与数据多模态对过程故障检测的影响, 提高了故障检测率. 将所提方法应用于两个数值仿真例子与田纳西伊士曼过程(TEP), 并与PLS,KPLS, LNS–PLS进行对比分析, 证明该算法的优越性与有效性.

来源：2020年第11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11期