基于KPCA与LS-SVM的化工过程故障诊断算法研究

摘要：

针对核主元分析方法(KPCA)在复杂化工在线监控过程中初始故障源难以辨识的问题,该文提出了一种基于核主元分析和最小二乘支持向量机的集成故障诊断方法.该方法首先运用KPCA对数据进行预处理,在特征空间构建T2和SPE来检测故障的发生,然后计算样本的非线性主元得分向量,将其作为最小二乘支持向量机的输入值,通过最小二乘支持向量机的分类进行故障类型的识别.将上述故障诊断方法应用到Tennessee Eastman(TE)化工过程,多种故障模式下的仿真结果表明,该方法不但能有效地辨识故障,而且提高了故障检测和故障诊断的速度.

关键词：化工过程、故障诊断、核主元分析、最小二乘支持向量机

分类号：O212.4(概率论与数理统计)

资助基金：甘肃省自然科学基金项目1112RJZA028;甘肃省教育厅硕士生导师项目1003ZTC085

在线出版日期：2013-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3-7