李　召，杨英华，李智辉

(1．许继电源有限公司，河南许昌　461000； 2．东北大学信息科学与工程学院，辽宁沈阳　110819)

0　引言

随着现代经济的快速发展和流程工业规模的不断扩大，工业过程的复杂性也不断提高，这类系统一旦发生故障，将会造成不可估量的损失。因此，在生产过程中进行故障诊断是必不可少的。当工业过程中存在互相关的情况时，主元分析(PCA)[1]和核主元分析(KPCA)[2]是效果比较理想的故障检测方法，但是在处理含有强自相关的工业过程时，这两种方法却显得力不从心。若考虑到大多数工业过程数据的非高斯性分布假设，PCA及KPCA方法中控制限求取的假设前提就不能成立，而独立成分分析(ICA)能从非高斯分布的数据中提取出独立源，因此在故障检测方面有更广泛的应用价值[3-4]。然而，当工业过程为动态时，ICA方法的故障检测效果也不是很明显。规范变量分析(CVA)是一种动态的线性降维方法[5]，最初用于多变量统计分析中，它也可以处理含有自相关的情况，国内对CVA的研究还处于初步阶段，在故障检测方面的应用还非常少。

事实上，前面介绍的这些方法应用到过程监测当中时都没有考虑到噪声环境的影响。现场数据中不可避免地包含了不同程度地明显误差、测量噪声和系统噪声，噪声水平将直接影响到最终模型的准确性。针对这种情况，文中考虑在CVA和ICA算法之前首先利用小波去噪对数据进行预处理，然后再结合CVA和ICA进行故障检测。通过对 TE过程仿真结果对比，验证了该方法较其它方法具有更好的故障检测效果。……