基于海林格距离加权关键主元的流程工业故障检测研究

摘要：

在采用主成分分析(principal component analysis,PCA)算法进行故障检测时,主元的选取及处理直接影响其故障检测的表现.对此,提出一种基于全变量表达(full variable expression,FVE)和海林格距离(Hellinger dis-tance,HD)的故障检测方法.首先,利用FVE得到所有关键主元,即保留所有变量信息;然后考虑到与故障相关主元的重要性,定义基于海林格距离的变化率,用来衡量正常工况下主元与异常工况下主元的差异;对与故障发生更相关的主元进行加权,以突出与故障相关主元对于后续故障检测的影响;最后,考虑到降维后数据通常服从非高斯分布,利用改进的局部离群因子(local outlier factor,LOF)构建统计量,其相应控制限通过核密度估计(kernel densi-ty estimation,KDE)确定.数值实例及带钢热连轧实际生产数据验证了所提方法的有效性与优越性.

关键词：故障检测、主元分析法、关键主元、海林格距离、局部离群因子

所属期刊栏目：49

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金;上海工业控制系统安全创新功能型平台开放课题项目

在线出版日期：2022-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：91-101