关键词:
规范变量差异度分析
微小故障
故障检测
稀疏表征
核密度估计
摘要:
微小故障由于其故障征兆不明显,且在高维数据下可能出现变量共线性的情况,导致协方差矩阵病态而难以求逆甚至不可逆,因此传统的多元统计分析方法难以在故障发生早期对其进行检测.针对上述问题,本文提出了基于稀疏规范变量差异度分析(SCVDA)的微小故障检测方法.首先,构造改进惩罚矩阵分解算法(IPMD)对Hankel矩阵执行矩阵分解获得稀疏规范变量,其增强了变量间潜在关系的直观理解并有助于发现故障变量.其次,利用正常阶段规范变量的协方差和伪逆分别对状态向量和残差向量进行变量赋权,进而使用稀疏表征后的规范变量来构造基于条件期望的早期微小故障检测指标.此外,采用核密度估计确定非高斯分布数据下统计指标的控制限.最后,通过田纳西伊斯曼(TE)化工过程和连续搅拌反应釜(CSTR)的案例研究结果表明,所提方法在TE过程中相比SCVA、CVDA在检测率上分别取得了29.0%、16.6%的提升,在CSTR过程微小故障检测中相比上述算法分别提前142、96个样本预警到故障.