宋新建 钟 纯 李 楠 杨煜普

(上海交通大学电子信息与电气工程学院，上海 200240)

基于集成核可预测元分析的非线性故障检测

宋新建 钟 纯 李 楠 杨煜普

(上海交通大学电子信息与电气工程学院，上海 200240)

以核可预测元分析(KForeCA)为例，将它与集成学习方法相结合，提出了一种基于集成核可预测元分析(EKForeCA)的非线性故障检测方法。给出EKForeCA的故障检测原理。TE仿真实验结果表明：基于EKForeCA的故障检测方法可有效提高故障检测灵敏度和鲁棒性。

非线性故障检测 核可预测元分析 集成学习方法 统计量

近年来，现代工业过程逐渐趋向于规模化和复杂化，因此工业过程的安全性和可靠性越来越受到人们的关注。随着测量技术的不断发展，工业过程中的大量过程变量被保存下来，为此基于数据驱动的故障检测技术在工业过程中得到了广泛应用[1～3]。

作为一种传统的多元统计故障检测方法，主元分析法(PCA)假设数据服从高斯分布，并且数据变量之间线性相关。然而实际的工业过程数据是有限的，常表现出一定的非高斯性，且不同的工业过程数据具有不同的非线性特征，因此PCA方法在实际应用中存在一定的缺陷[4～6]。核可预测元分析(KForeCA)方法作为一种新兴的数据特征提取方法，考虑了数据之间的时序相关性，能够提取具有动态时序特性和可预测性的数据特征，同时又引入了非线性核函数，能够将低维空间中的数据通过非线性映射投影到高维空间，因此可以很好地处理非线性的过程数据[7，8]。……