王 丹 杨煜普 屈卫东

(上海交通大学电子信息与电气工程学院自动化系，上海 200240)

近年来，随着现代化工及冶金等工业过程日益大规模化和复杂化，工业过程的安全问题越来越受到人们的关注。基于多元统计分析的故障检测与诊断方法也成为近年来故障检测与诊断领域的研究热点，并在工业过程中成功应用[1～3]。偏最小二乘(PLS)技术能够根据正常工况的生产数据，准确捕捉质量变量与过程变量之间的关系，对生产工况进行有效监测，且PLS统计检测技术不依赖于过程机理模型，训练时不需要故障样本，能够弥补其他统计方法(例如PCA)无法考虑过程变量对质量变量影响的不足，因此近年来在化工过程的质量控制及在线检测等方面得到了广泛研究和应用[4～6]。但是PLS方法无法反映过程的动态时序特性，这在一定程度上影响了它的故障检测准确率。可预测元分析[7](Forecastable Component Analysis，ForeCA)作为一种新的统计信号处理方法克服了这个不足。可预测元分析是一种全新的用于多变量时序相关信号的特征提取方法，它能从已有的数据中捕捉到系统的动态特性，并以此来预测系统运行变化的趋势，因此所提取的特征能从本质上描述工业过程。

笔者将可预测元分析方法与偏最小二乘法回归方法相结合并用于故障检测，通过将样本映射到可预测子空间，使用最小二乘回归，进一步提高了模型的预测性能，同时构造CUSUM和SPE统计量对系统进行监控，这样能够较好地检测均值偏差在两倍标准差以下的故障。……