孙四通 李师庆

作者简介：孙四通（1964-），副教授，从事过程优化与故障检测方向的研究，slsyjs2023@126.com。

引用本文：孙四通，李师庆.基于DGLPP-SVDD算法的化工过程故障检测［J］.化工自动化及仪表，2024，51（2）：310-318.

DOI：10.20030/j.cnki.1000-3932.202402021

摘 要 为解决传统全局局部保留投影算法（GLPP）不能充分利用已有故障数据进行特征提取的缺点，提出了判别全局局部保留投影算法（DGLPP）。在数据降维处理后，为应对高斯和非高斯混合分布的过程数据特性，通过支持向量数据描述算法（SVDD）构建故障检测统计量。将两种算法相结合提出基于DGLPP-SVDD的故障检测方法。将DGLPP-SVDD算法应用于TE过程仿真，并与GLPP算法对比，结果表明：DGLPP-SVDD算法具有更短的故障检测滞后时间和更高的故障检测率。

关键词 特征提取 DGLPP-SVDD算法 图嵌入 故障检测 全局局部保留投影 支持向量数据描述

中图分类号 TP277   文献标志码 A   文章编号 1000-3932（2024）02-0310-09

为了预防化工事故的发生以及在发生故障时能够及时报警，构建一个针对化工过程的故障检测模型至关重要。在化工生产过程中，采集到的数据一般都具有高维度的特点，为此普遍在构造故障检测模型前先进行数据特征提取或特征选择来压缩数据维度［1］。数据特征提取方法旨在保留高维数据的特性，目前主要有两种类型的算法分别从全局角度和局部角度进行特征提取。以主成分分析（PCA）［2，3］及其变体为代表的全局方法通过保持数据的最大方差来学习数据的全局信息，但此类方法忽略了数据的局部信息。以局部保留投影（LPP）［4～6］及其变体为代表的流形学习方法旨在提取数据的局部近邻信息，但此类方法忽略了由方差信息和高阶统计量表示的全局信息。……