基于MCUSUM-ForeCA的微小故障检测

2015-01-13林圣才杨煜普

化工自动化及仪表 2015年9期

林圣才李楠杨煜普

(上海交通大学电子信息与电气工程学院系统控制与信息处理教育部重点实验室，上海 200240)

20世纪90年代以来，现代工业过程向着大规模和复杂化的方向发展，导致工业过程越来越难以用精确的物理模型去描述。由此基于多元统计分析的故障检测方法应运而生，并在工业过程中获得了成功的运用[1～3]。但是传统的多元统计方法也存在着自身的缺陷，如对微小故障不灵敏及PCA[4]方法要求数据服从高斯分布等。随着工业过程的长期运行，过程中存在着设备老化等缓慢变化，这些变化轻则导致产品质量下降，重则可能会导致工业过程发生故障进而出现事故，因此此类问题亟待解决。

针对此类微小故障问题，笔者引入多元累积和(Multivariate Cumulative Sum,MCUSUM)控制图[5]和可预测元分析[6](Forecastable Component Analysis,ForeCA)，提出了MCUSUM-ForeCA方法。MCUSUM控制图用于统计多个变量的历史累积信息，而ForeCA是一种全新的用于多变量时序相关信号的降维与特征提取方法，它能从历史数据中捕捉系统的动态特性，并以此来预测系统的运行变化趋势。MCUSUM-ForeCA方法首先使用MCUSUM对数据进行处理，获取累积信息，然后使用ForeCA算法提取过程数据中的可预测分量，构造两种统计量对过程进行统计监控。在TE过程上的仿真结果表明了此方法的可行性和有效性。MCUSUM-ForeCA方法不但克服了传统多元统计方法无法反映过程时序特性的不足，而且在对微小故障的检测上显示了良好的性能。