基于核主元分析的過程監(jiān)測方法研究.pdf

1、工業(yè)過程中采集的樣本中，各變量之間存在非線性特性，利用主元分析方法(PCA)對數(shù)據(jù)的提取不十分充分，容易造成信息丟失。其次，非線性工業(yè)過程中往往存在多種工作模式，不同工作模式下的過程數(shù)據(jù)呈現(xiàn)不同的統(tǒng)計特性，利用全局核主元方法(KPCA)對其進行故障檢測沒有分析每個模式的特殊特性，可能導致故障漏報。當故障被檢測出來以后，我們希望找到故障產(chǎn)生的原因，進行故障診斷。故障重構(gòu)是故障診斷的一個步驟。傳統(tǒng)的基于KPCA的故障重構(gòu)方法只通過分析正常數(shù)

2、據(jù)提取故障方向，忽略了故障數(shù)據(jù)與正常數(shù)據(jù)之間的關(guān)系。針對以上問題本文主要做了以下研究工作:
　　(1)本文針對非線性多模式過程監(jiān)測問題提出一種基于局部核主元分析(LKPCA)的多模式故障檢測方法。該方法利用K均值聚類對多模式數(shù)據(jù)進行模式劃分，得到反映采樣點所屬模式的權(quán)值矩陣W。將數(shù)據(jù)映射到高維空間中，利用核函數(shù)方法及W使各個模式數(shù)據(jù)協(xié)方差最大來提取反映數(shù)據(jù)共同特性的公共信息。其次對特殊信息進行分類并建模。對公共信息和特殊信息分別進

3、行故障檢測。將基于LKPCA的多模式故障檢測方法應(yīng)用于電熔鎂生產(chǎn)過程監(jiān)測中，驗證該方法能夠有效檢測出非線性多模式過程的故障。同時與KPCA及局部PCA方法進行比較，證明該方法的優(yōu)越性。
　　(2)針對非線性過程的故障重構(gòu)問題，本文提出一種基于故障相關(guān)的KPCA故障重構(gòu)方法(FRKPCA)。該方法以正常數(shù)據(jù)和故障數(shù)據(jù)作為歷史數(shù)據(jù)，并將其映射到高維特征空間中。利用正常數(shù)據(jù)的KPCA模型將故障數(shù)據(jù)分解為主元子空間(PCS)和殘差子空間(