郭 金 玉，李 涛，李 元

(沈阳化工大学 信息工程学院，辽宁 沈阳 110142 )

0 引 言

在现代工业中，过程监控旨在快速准确地检测和诊断故障，以确保生产安全和产品质量。分布式控制系统和数据存储技术的快速发展和应用，使得工业过程数据能够被收集，从而为基于数据驱动的过程监控提供了基础[1]。以主元分析(PCA)方法为代表的多元统计过程监测方法发展迅速，在工业生产过程的故障检测和监视领域应用广泛[1-3]。PCA算法处理的数据需要满足高斯分布，但在实际工业生产中，过程变量往往表现出不同的分布，因此该方法具有一定的局限性。为了克服PCA的局限性，Atoui等[4]提出一种基于高斯框架的故障检测方法，该方法在数据服从高斯网络的前提条件下，运用PCA和二次检验统计量方法进行故障检测，该方法虽然在一定程度上提高了系统的故障检测率，但是仍然不适用于非高斯过程。为了提高非高斯过程的故障检测性能，Kano等[5]将独立主元分析(ICA)应用于故障检测领域。ICA算法的主要思想是假设原始样本之间相互独立，不要求数据服从高斯分布，使每个分量最大化独立，便于提取非高斯过程的隐藏信息，以此来提高故障检测的性能。为了进一步提高非高斯过程的故障检测性能，Ge等[6]将ICA与PCA相结合，提出一种基于ICA-PCA的故障检测方法，提取数据的主元和独立元，运用距离相似度作为统计量实现对故障的有效检测。针对实际工业生产过程中数据分布不同的问题，Huang等[7]提出一种基于变量分布特征的统计过程检测方法(VDSPM)。……