蓝艇，童楚东，史旭华



变量加权型主元分析算法及其在故障检测中的应用

蓝艇，童楚东，史旭华

（宁波大学信息科学与工程学院，浙江宁波 315211）

传统主成分分析（PCA）算法旨在挖掘训练数据各变量间的相关性特征，已在数据驱动的故障检测领域得到了广泛的研究与应用。然而，传统PCA方法在建模过程中通常认为各个测量变量的重要性是一致的，因此不能有效而全面地描述出变量间相关性的差异。为此，提出一种变量加权型PCA（VWPCA）算法并将之应用于故障检测。首先，通过对训练数据进行加权处理，使处理后的数据能够充分体现出变量间相关性的差异。然后，在此基础上建立分布式的PCA故障检测模型。在线实施故障检测时，则通过贝叶斯准则将多组监测结果融合为一组概率指标。VWPCA方法通过相关性大小为各变量赋予不同的权值，从而将相关性差异考虑进了PCA的建模过程中，相应模型对训练数据特征的描述也就更全面。最后，通过在TE过程上的测试验证VWPCA方法用于故障检测的优越性。

主元分析；过程系统；过程控制；故障检测

引 言

在整个综合自动化系统中，故障检测系统可谓是必不可少的组成部分，因为实时监测生产过程的运行状态是保证生产安全和维持产品质量稳定的必要手段。近年来，得益于各种先进仪表与计算技术的广泛应用，工业过程可以测量和存储海量的数据样本。实施故障检测不再依赖于基于机理模型的过程监测方法，取而代之的是以生产过程采样数据为核心的数据驱动的过程监测方法[1-4]。……