崔超宇，郭丽杰,*，康建新

(1. 燕山大学 河北省应用化学重点实验室，河北 秦皇岛 066004；2. 燕山大学 环境与化学工程学院，河北 秦皇岛 066004)

0 引言

化工生产通常处于高温高压的生产环境，原料或产品往往涉及易燃易爆、有毒有害的物质，一旦发生事故后果不堪设想。正是由于化工生产安全的重要性，为了确保生产的安全，对大型化工装置普遍采用状态监测的方法，因而也得到大量有价值的过程监测数据。近年来，过程状态监测和故障诊断技术得到迅速发展，总的来说，分为3种：基于知识的方法、基于解析模型的方法和基于数据驱动的方法[1]。其中，基于知识的方法[2]需要决策者具有较高的知识水平，基于解析模型的方法[3]对于大型复杂系统建模十分困难，且精度较低，这两种方法在使用时往往会受到制约。基于数据驱动的方法通过挖掘过程数据潜在信息来发现系统的故障情况，且对于建模精度和操作者的知识水平要求不高而得到广泛使用[4]。郭金玉等[5]提出基于加权差分主元分析算法，实现了对多模态和非线性过程数据进行故障检测；马贺贺等[6]针对数据多模态分布的特性，结合多元统计监控(Multivariate Statistical Process Monitoring,MSPM)方法提出了马氏距离局部离群因子(Mahalanobis Distance-based Local Outlier Factor,MDLOF)方法进行故障检测；Wang等[7]提出了用于过程监控的分区主成分分析方法(Probabilistic Principal Component Analysis,PPCA)，实现了对模型的局部变化行为进行监控；Gao等[8]针对化工数据高维性结合主成分分析法(Principal Component Analysis,PCA)与网格搜索方法(Grid Search,GS)对支持向量机参数进行优化，有效提高了诊断的准确性。……