APP下载

一种基于SDG和数据重构的故障诊断方法

2014-08-02杨煜普屈卫东

化工自动化及仪表 2014年5期
关键词:方向故障检测

王 毓 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)

随着工业过程控制系统不断朝着大规模、智能化和复杂化的方向发展,安全问题日益成为大家关心的主要问题之一。在过去的几十年中,故障诊断方法的研究得到了国内外学者的广泛关注。这些方法从整体上可以分为定性方法和定量分析两大类[1]。其中,在定量分析方法中,基于多元统计的方法是近年来关注较多的方法。传统的基于贡献图的统计方法是最受欢迎的方法之一,那些具有较大贡献值的变量被认为是引起故障的变量。Kourti T和MacGregor J F将贡献图法应用到高压低密度的聚乙烯反应过程中[2],他们认为贡献图可能不能确定导致故障的原因变量。Westerhuis J A等引入了贡献图的置信限来增强鉴别偏离正常运行条件的原因变量的能力[3]。他们认为在应用贡献图法时必须谨慎小心,因为PCA的残差能将某个变量的贡献值转移到其他变量的贡献值上。最近,Alcala C F和Qin S J提出了基于重构的贡献图方法(RBC)[4],该方法保证了故障变量有最大的贡献值,从而比传统的贡献图法要有更精确的鉴别能力。但是,RBC仍没有解决贡献值从一个变量转移到其他变量的问题。基于贡献图的多元统计方法的主要缺点是没有考虑到故障在系统中的传播,导致故障变量定位错误而不能检测出引起故障的根本原因。笔者将SDG和数据重构相结合,在故障发生时在SDG所有有效节点和相容路径方向上对测试样本进行重构,其中重构指标最大的方向被认为是实际故障的传播方向,而传播方向上的起始节点被认为是引起故障的根本原因变量。……

登录APP查看全文

猜你喜欢

方向故障检测
2022年组稿方向
2021年组稿方向
2021年组稿方向
故障一点通
奔驰R320车ABS、ESP故障灯异常点亮
小波变换在PCB缺陷检测中的应用
故障一点通
江淮车故障3例
位置与方向