杜海莲，苗诗瑜，杜文霞，刘小亮

(1.河北师范大学 职业技术学院 河北 石家庄 050024；2.北京交通大学 电气工程学院 北京 100044；3.石家庄铁道大学 四方学院 河北 石家庄 051132)

改进PCA方法在化工过程中的故障诊断研究

杜海莲1，苗诗瑜2，杜文霞1，刘小亮3

(1.河北师范大学 职业技术学院 河北 石家庄 050024；2.北京交通大学 电气工程学院 北京 100044；3.石家庄铁道大学 四方学院 河北 石家庄 051132)

为了使化工生产中复杂系统的故障判断更加精准、更加有说服力，采集系统正常工作和故障状态时的数据，运用改进的主元分析(PCA)算法判断系统是否有故障产生。改进的主元分析算法是在传统主元分析的基础上将平方预测误差SPE统计量分化成与主元显著关联的检测变量残差(PVR)统计量和其余一般变量残差(CVR)统计量，再与Hotelling’sT2统计量相配合进行系统故障的判断，使检测到的结果更加精准，生产过程更加安全。将此改进的主元分析方法运用到田纳西—伊斯曼过程中，仿真结果验证了该方法可以有效识别系统处于正常工况状态还是故障状态，是一种系统故障分析和诊断的有效方法。

主元分析；故障诊断；生产安全

现代化工生产过程日趋复杂，系统中的变量增多，如传感器个数多，需要检测的数据很庞大，检测起来有一定的困难，并且不同的生产系统组成不尽相同，都有自身的特殊性，不适用同一种检测规律进行检测，而主元分析(principal component analysis,PCA)解决了这个问题。主元分析算法是利用系统自身的正常工作数据进行建模，之后再根据输入的工作数据进行故障的判断，解决了系统不同所导致的检测规律不通用的问题，使算法的使用范围大大扩大，并提供了便利的检测方法[1-3]。……