张汉元, 田学民



基于异步PCA的故障识别方法

张汉元, 田学民

(中国石油大学(华东) 信息与控制工程学院, 山东 青岛 266580)

针对传统的主元分析(PCA)方法仅考虑变量间同步相关性的问题，提出一种基于异步PCA的故障识别方法。该方法首先利用导数动态时间规整(DDTW)从待识别故障数据集的关键变量序列和历史故障数据集的故障变量序列中获得最优规整路径，将最优规整路径上的元素扩展为反映关键变量序列和故障变量序列之间异步相关性的新序列，然后对新变量序列的协方差矩阵进行特征值分解获得负荷矩阵，最后根据负荷矩阵中关键变量序列和故障变量序列的低维表示向量之间的相似性识别故障。在连续搅拌反应器(CSTR)过程上的仿真结果表明所提出方法的故障识别性能优于传统的PCA相似系数法。

异步相关性；主元分析；导数动态时间规整；故障识别

1 前 言

随着计算机控制系统的广泛应用，工业过程中大量的操作数据被记录下来，基于数据驱动的过程监控方法逐渐成为过程监控领域中的研究热点[1]。其中主元分析(PCA)是研究较多的方法，已经成功应用于工业生产过程的故障检测研究[2]。考虑到工业数据的非线性特征，研究者们在传统PCA方法的基础上提出了一系列改进的非线性方法[3]。

然而传统的PCA模型在构建协方差矩阵时只考虑了变量在相同时间点(同步)上的相关性，因此当相同的形状趋势出现在两个变量序列中的不同时刻时会被认为不相关的。……