APP下载

基于核可预测元分析的非线性故障检测技术

2016-11-23杨煜普

化工自动化及仪表 2016年1期
关键词:特征故障检测

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)

基于核可预测元分析的非线性故障检测技术

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)

为克服可预测元分析方法在非线性领域的不足,并更好地反映工业监控过程的动态特性,将核可预测元分析方法引入非线性故障检测领域。首先将观测数据映射到高维特征空间,提取可预测元特征;然后基于贝叶斯定理构造统计量,用于监控工业过程进行并检测故障。在TE模型的仿真实验结果表明:基于核可预测元分析的非线性故障检测方法能有效提高系统的故障检测准确率。

非线性故障检测 核可预测元分析 统计量 TE过程

对于复杂的工业过程,要建立其精确的数学模型非常困难,而传统的故障检测技术,如主元分析(Principal Component Analysis,PCA)方法,不仅要假设数据服从高斯分布,而且在面对非线性复杂工业数据时存在明显不足。虽然核主元分析(KPCA)方法能较好地处理非线性数据,但不能反映数据的动态时序特性[1,2]。因此,基于数据驱动的故障检测技术成为研究热点,并获得了成功应用[3~5]。

可预测元分析(Forecastable Component Analysis,ForeCA)方法以全新的模型从大量数据中挖掘潜在的可预测特征,从而反映系统的动态特性,不需要假设数据服从高斯分布,更符合实际工业过程。但是,ForeCA方法是一种线性变换方法,对于大型工业过程中的非线性数据无法较好地提取动态时序特性(即可预测特征),影响故障检测准确率[6]。……

登录APP查看全文

猜你喜欢

特征故障检测
故障一点通
如何表达“特征”
不忠诚的四个特征
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
线性代数的应用特征