多采樣率數據下的主元分析及其在過程監(jiān)測中的應用.pdf

1、隨著現(xiàn)代工業(yè)及科學技術的迅速發(fā)展，現(xiàn)代化的流程工業(yè)對生產安全和產品質量的要求越來越高，迫切需要建立一個實時監(jiān)控系統(tǒng)，檢測系統(tǒng)變化和故障信息，防止災難性事故發(fā)生，而故障檢測與診斷技術就是為了滿足“監(jiān)控系統(tǒng)”的需要而發(fā)展起來的。
　　基于主元分析（Principal Component Analysis，PCA）的統(tǒng)計監(jiān)控方法是故障診斷領域中的重要分支，它不需要復雜的機理模型，通過統(tǒng)計方法提取過程數據的重要信息，并將其量化成幾個統(tǒng)計監(jiān)

2、控指標值便可實現(xiàn)對過程的監(jiān)控，因此得到了工業(yè)界和學術界的廣泛關注。在應用主元分析時，往往假設過程變量在時間序列上匹配，即要求在同一時刻所有變量都有采樣值，但出于經濟、性能等因素的考慮，人們往往采用多采樣率策略。從而造成在同一時刻某些變量可能沒有采樣值的狀況，因而限制了主元分析在實際過程中的應用。
　　本文以主元分析法和多采樣率系統(tǒng)為理論基礎，系統(tǒng)深入地研究了主元分析法在多采樣率數據下的過程監(jiān)測應用。
　　通過查閱文獻資料對多

3、采樣率下的主元分析的發(fā)展現(xiàn)狀進行了比較系統(tǒng)的綜述;并將缺失數據的處理方法和數字信號處理方法引入到多采樣數據的處理中。在此基礎上，應用多采樣率轉換技術，提出了一種多變量采樣率轉換算法。該算法通過“插值—濾波—抽取”的過程，實現(xiàn)了多變量采樣率有理數倍變換，從而使得變量的采樣率相同。然后進行主元分析。仿真研究表明，經多變量采樣率轉換后的數據雖與原數據有一定的偏差，但是該方法下的過程監(jiān)測效果還是不錯的。
　　然后，提出了一種改進的非線性迭

4、代偏最小二乘算法(NIPALS)，該算法借鑒Salvador García-Mu(n)oz等人對未采樣數據的處理方法，將含有未采樣數據的樣本點分為可觀測部分與非可觀測部分。首先，按照某種形式用可觀測部分對非可觀測部分進行插補，這種插補開始時是不精確的;然后在迭代的過程中，不斷修正插補值，直到收斂到某個較精確值，求出得分矩陣和負載矩陣后，再對原未采樣數據進行插補;最后進行主元分析建模和在線監(jiān)測，在線監(jiān)測時未采樣數據仍采用建模數據中插補方法