题名 基于局部近邻标准化和动态主元分析的故障检测策略
被引量：12
1
作者
张成 郭青秀 冯立伟 李元
机构
沈阳化工大学数理系 沈阳化工大学技术过程故障诊断与安全性研究中心
出处
《计算机应用》
CSCD
北大核心
2018年第9期2730-2734,共5页
基金
国家自然科学基金资助项目(61490701 61673279) +1 种基金 辽宁省自然科学基金资助项目(2015020164) 辽宁省教育厅基金资助一般项目(L2015432)~~
文摘
针对工业过程的动态和多模态特性,提出一种基于局部近邻标准化(LNS)和动态主元分析(DPCA)相结合的故障检测方法(LNS-DPCA)。首先,在训练数据集中寻找样本的K近邻集;然后,应用K近邻集的均值与标准差对当前样本进行标准化处理;最后,在新的数据集中应用DPCA方法确定T^2和SPE控制限进行故障检测。LNS方法能够消除过程的多模态特征,使得标准化后数据近似服从多元高斯分布,且保持过程离群点偏离正常样本轨迹;而结合DPCA方法则能够提高对具有动态特性过程的监视性能。利用数值例子和青霉素发酵过程进行仿真,并将测试结果与主元分析法(PCA)、DPCA、K近邻故障检测(FD-KNN)等方法进行对比分析,验证了LNS-DPCA方法的有效性。
关键词
局部近邻标准化 动态主元分析 多模态 青霉素发酵过程 故障检测
Keywords
Local Neighbor Standardization(LNS) dynamic principal component analysis (dpca )multimode penicillin fermentation process fault detection
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
题名 基于DPCA方法的故障检测与诊断分析
被引量：5
2
作者
沈倩 刘育明 梁军
机构
浙江大学系统工程研究所工业控制技术国家重点实验室
出处
《制造业自动化》
北大核心
2005年第6期51-53,56,共4页
文摘
主元分析(PrincipalComponentAnalysis,PCA)已广泛应用于复杂工业过程的运行状态监控。然而,传统的PCA方法仅构造了生产过程的静态线性关系,无法从根本上有效处理具有较强动态特性的实际工业生产过程。动态主元分析(DynamicPCA,DPCA)是一种将传统PCA分析推广到动态多变量过程的方法,但其较大的计算负荷阻碍了其实际应用。本文对文献中的DPCA作了算法上的简化,减少了实施中的计算量,并将其应用于重油分馏塔的动态运行故障监测与诊断。研究结果表明了方法的有效性。
关键词
多变量统计过程控制 过程监测 动态主元分析
Keywords
Multivariate Statistical Process Control(MSPC) process monitoring dynamic principal component analysis (dpca )
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
题名 动态主元分析方法的研究及应用
被引量：4
3
作者
郭金玉
机构
沈阳化工学院
出处
《沈阳化工学院学报》
2004年第1期30-32,共3页
文摘
主元分析(PCA)已广泛应用于监视多变量过程,但PCA不能有效地监视动态多变量过程.动态主元分析(DPCA)是一种将静态PCA推广应用到监视动态多变量过程的方法.本文通过实例验证了DPCA监视动态多变量过程的有效性.
关键词
多变量统计过程控制 过程监视 动态主元分析
Keywords
multivariate statistical process control(MSPC) process monitoring dynamic principal component analysis (dpca )
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
题名 基于动态主元分析和极限学习机的分解炉出口温度预测
被引量：6
4
作者
王祥民 董学平 于广宇
机构
合肥工业大学电气与自动化工程学院
出处
《测控技术》
2019年第12期35-39,76,共6页
基金
合肥工业大学产学研校企合作项目(w2015jskf0030)
文摘
在水泥生产过程中,为了应对分解炉结构的复杂性和影响出口温度变量的多样性,提出一种动态主元分析(Dynamic Principal Component Analysis,DPCA)与极限学习机(Extreme Learning Machine,ELM)相结合的数据驱动建模预测方法用来预测分解炉出口温度。通过采集的生产数据,提取影响出口温度变量的主元从而达到降维目的,将降维后的变量作为极限学习机的输入,分解炉出口温度作为极限学习机的输出。经极限学习机参数设置、训练、调整,得到出口温度预测模型。仿真验证结果表明,运用动态主元分析和极限学习机相结合的方法建立的分解炉出口温度预测模型具有良好的预测精度,且为后续出口温度的控制研究提供了依据,对水泥高效节能生产具有重要意义。
关键词
分解炉出口温度 数据驱动建模 动态主元分析 降维 极限学习机
Keywords
calciner outlet temperature data-driven modeling dynamic principal component analysis (dpca )dimensionality reduction extreme learning machine(ELM)
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于DPCA残差互异度的故障检测与诊断方法
被引量：5
5
作者
张成 戴絮年 李元
机构
沈阳化工大学技术过程故障诊断与安全性研究中心
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第1期292-301,共10页
基金
国家自然科学基金项目(61490701,61673279) 辽宁省自然基金项目(2019-MS-262) 辽宁省教育厅基金项目(LJ2019013)~~。
文摘
针对动态主元分析方法中残差自相关性降低过程故障检测率问题,提出基于动态主元分析残差互异度的故障检测与诊断方法.首先,应用动态主元分析(Dynamic principal component analysis,DPCA)计算动态过程数据的残差得分;接下来,应用滑动窗口技术并结合互异度指标(Dissimilarity)来监控过程残差得分状态;最后,利用基于变量贡献图的方法进行过程故障诊断分析.本文方法通过DPCA捕获过程的动态特征,同时互异度指标区别于传统的平方预测误差(Square prediction error,SPE),它可以有效地对具有自相关性的残差得分进行过程状态监控.通过一个数值例子和Tennessee Eastman(TE)过程的仿真实验并与传统方法对比分析,仿真结果进一步证实了本文方法的有效性.
关键词
动态主元分析 互异度 滑动窗口 故障诊断
Keywords
dynamic principal component analysis (dpca )dissimilarity moving window fault diagnosis
分类号
O213
[理学—概率论与数理统计]
题名 基于DPCA方法的传感器故障检测与诊断
被引量：3
6
作者
何慧娟 陈健 邹宇华
机构
广东工业大学信息工程学院
出处
《传感器与微系统》
CSCD
北大核心
2009年第12期35-38,共4页
文摘
针对多传感器的相关时序测量数据,在假设只存在传感器故障的前提下,提出了一种基于动态主成分分析(DPCA)的传感器故障检测方法。根据测量数据建立传感器的DPCA模型,在该模型基础上利用T2和SPE统计量进行传感器的故障检测。同时,将基于主成分分析(PCA)模型的传感器有效度指标SVI推广应用于DPCA模型中。通过对污水处理系统中重要传感器的故障诊断仿真实验表明:该方法能有效地检测和识别出故障传感器。
关键词
传感器 动态主成分分析 故障诊断 污水处理系统
Keywords
sensor dynamic principal component analysis （dpca ） fault detection sewage disposal system
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
题名 基于动态主元分析的控制系统性能评价方法
被引量：2
7
作者
费正顺 黄炳强
机构
浙江科技学院自动化与电气工程学院
出处
《浙江科技学院学报》
CAS
2015年第3期197-202,共6页
基金
浙江省自然科学基金项目(LQ15F030006) 浙江省教育厅科研计划项目(Y201431412) 浙江科技学院学科交叉预研专项项目(2014JC04Y)
文摘
基于最小方差的性能评价通常存在需预知过程模型结构、计算繁杂、难于拓展至多变量系统及最小方差控制可达性弱等问题,提出了一种基于动态主元分析(DPCA)的最小方差性能评价方法。该方法将动态主元分析方法应用到最小方差控制性能评价中,能够结合最小方差评价和动态主元分析的优势。改进后的指标可以用来评价系统控制性能,便于实现在线监控和故障诊断。通过仿真实例,验证了所提出的方法的有效性和优越性。
关键词
性能评价 最小方差控制 动态主元分析 控制系统
Keywords
performance assessment minimum variance control dynamic principal component analysis （dpca ） control system
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
题名 化工过程故障根源精准定位模型
被引量：1
8
作者
张河苇 胡瑾秋 张来斌
机构
中国石油大学(北京)机械与储运工程学院
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2016年第11期133-138,共6页
基金
国家自然科学基金资助(51574263) 中国石油大学(北京)科研基金资助(YJRC-2013-35) 中国石油化工股份有限公司科学研究与技术开发项目(P14004)
文摘
化工过程具有大规模、高复杂性、多变量等特点,系统的关联性强,现有的故障定位方法较为繁琐,且会引入大量冗余计算,使其在化工过程故障定位中的实用性降低。为及时诊断故障并识别故障根源,基于动态主元分析(DPCA),结合贡献图和统计量,建立化工过程故障因果关系模型,确定对故障贡献率最大的变量,绘制故障传播路径图,找到引起扰动的初始变量,即故障的根源。采用田纳西-伊斯曼过程(TE)中的某一故障仿真作为案例,以验证该模型的有效性。结果表明,该模型利用故障的传播特点,在发生故障报警后,通过绘制故障传播路径图对扰动进行溯源,可实现化工过程故障定位。
关键词
动态主元分析(dpca ) 因果关系模型 故障定位 田纳西.伊斯曼过程(TE) 化工过程
Keywords
dynamic principal component analysis （dpca ） causal relationship model fault locationTennessee Eastman process（TE） chemical process
分类号
X937
[环境科学与工程—安全科学]
题名 基于改进动态主元分析在半实物仿真系统中的研究
被引量：1
9
作者
高强 常勇
机构
天津理工大学自动化学院天津市复杂系统控制理论及应用重点实验室
出处
《电子学报》
EI
CAS
CSCD
北大核心
2017年第3期565-569,共5页
基金
国家自然科学基金(No.61403279) 天津市中青年骨干创新人才培养计划基金(No.20130830)
文摘
为了实现数据驱动技术在工业中的实际应用,开发了以蒸馏塔作为被控对象的半实物仿真系统,将数据驱动方法应用到流程工业半实物仿真系统.针对动态主元分析方法存在的计算负荷大,计算效率低的问题,提出了一种改进动态主元分析方法,利用不可区分度和交叉程度去除众多变量中的不相关变量或相关度较小的变量,减少数据量.针对系统中的典型故障,数据驱动方法能够检测出半实物仿真系统中的异常,而且与传统动态主元分析比较,改进算法降低漏报率和误报率,提高诊断可靠性,并且能及时检测出生产过程的微小故障.
关键词
数据驱动 蒸馏塔 半实物仿真 动态主元分析 不可区分度
Keywords
data driven distillation column hardware-in-the-loop simulation dynamic principal component analysis （dpca ） indiscernibility
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
题名 基于DPCA的装备健康评估参数优化研究
10
作者
李涛 陈丽 毕建国 刘涛
机构
空军勤务学院 北京市复兴路
出处
《信息工程大学学报》
2012年第5期632-636,640,共6页
文摘
健康状态评估参数的优化是装备状态评估研究中的一个重要问题。为了对装备健康状态评估数据进行合理有效地降维,采用了动态主成份分析法对多种装备健康参数进行优化处理;考虑了状态信息不平稳条件下的参数确定问题;与主成份分析方法等进行了分析比较,表明动态主成份分析的优越性。
关键词
动态主成份分析 参数优化 时间序列
Keywords
dynamic principal component analysis （dpca ） approach is adopted, and parameter de- is discussed under non-smooth conditions. Comparison reflects the advantages of the DP- ：dynamic principal component analysis parameter optimization time series
分类号
E242
[军事—军事理论]
