資源描述：
《基于PCA與KPCA的TE過程故障檢測應(yīng)用研究.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、基于PCA與KPCA的TE過程故障檢測應(yīng)用研究趙小強(qiáng)，等基于PCA與KPCA的TE過程故障檢測應(yīng)用研究ResearchonFaultDetection．ofTennesseeEastmanProcessBasedonPCAandKPCA趙J琵1互新母月2互迎1(蘭州理工大學(xué)電氣工程與信息工程學(xué)院1，甘肅蘭州730050；甘肅省腫瘤醫(yī)院2，甘肅蘭州730050)摘要：針對傳統(tǒng)主元分析法(PCA)應(yīng)用于復(fù)雜非線性的化工過程故障檢測時存在性能差的問題，提出利用核主元分析法(KPCA)來進(jìn)行故障檢測的思想。從而將輸入
2、空間中復(fù)雜的非線性問題轉(zhuǎn)化為特征空間中的線性問題。將上述方法應(yīng)用于TennesseeEastman(TE)化工過程模型，仿真結(jié)果表明，KPCA方法在復(fù)雜非線性化工過程敝障檢測方面的應(yīng)用明顯優(yōu)于普通的PCA方法。關(guān)鍵詞：故障檢測過程監(jiān)控非線性魯棒性信噪比中圍分類號：TP277文獻(xiàn)標(biāo)志碼：AAbstract：Forcomplexandnonlinearchemicalindustryprocesses。theperformanceoffaultdetectionisverypoorwhentraditionalp
3、rincipalcomponentanalysis(PCA)isused．Thustheconceptofusingkernelprincipalcomponentanalysis(KPCA)toconductfaultdetectionispro·posed。whichwillmakethecomplexnonlinearproblemininputspaceconvertintolinearprobleminfeaturespace．ThismethodisappliedinTennesseeEastma
4、n(TE)chemicalindustryprocess．ThesimulationresultshowsthatKPCAmethodisobviouslybetterthancommonPCAmethodinfaultdetectionforcomplexnonlinearchemicalprocess．Keywords：FanltdetectionProcessmonitoringNonlinearityRobustnessSignaltonoise0引言化工生產(chǎn)工藝復(fù)雜多變，原材料及產(chǎn)品具有易燃易爆、有
5、毒有害和腐蝕性等特點(diǎn)，且生產(chǎn)裝置呈現(xiàn)出大型化和連續(xù)化。因此，在化工生產(chǎn)過程中存在著潛在的危險(xiǎn)因素，這些危險(xiǎn)因素在一定條件下會轉(zhuǎn)變?yōu)楣收?，甚至引發(fā)事故，破壞正常生產(chǎn)，危及人們的生命安全，并帶來嚴(yán)重的環(huán)境污染，造成極大的經(jīng)濟(jì)損失。所以，對化工過程進(jìn)行故障診斷研究顯得非常重要。主元分析PCA法(principalcomponentanalysis)是一種目前廣泛應(yīng)用于過程監(jiān)控的數(shù)據(jù)驅(qū)動方法，但PCA是一種線性變換方法，不適用于非線性過程。對此，出現(xiàn)了各種不同的非線性PCA，其中Schislkopf等人提出的核主元分
6、析法KPCA(kernelprincipalcomponentanaly-sis)是一種很有效的非線性過程故障診斷方法¨’，它具有線性PCA的簡單性，極具實(shí)用價(jià)值。TE(TennesseeEastman)過程是由美國Eastman化學(xué)公司的Downs和Vogel提出的用來開發(fā)、研究和評價(jià)過程控制技術(shù)和監(jiān)控方法的現(xiàn)實(shí)化工過程模型。許多國內(nèi)外學(xué)者、專家均引用它作為數(shù)據(jù)源，以進(jìn)行控制、優(yōu)化和故障診斷等研究阻川。本文通過rIE過程的應(yīng)用實(shí)例，說明了KPCA方法的有效性。1基于PCA的故障檢測1．1PCA算法PCA實(shí)質(zhì)
7、上是一種以獲取數(shù)據(jù)的變化度為最優(yōu)的線性降維技術(shù)H。6J。其基本方法是構(gòu)造原變量的線性組合，以產(chǎn)生一系列互不相千的新變量，從中選取幾個新變量，使它們含有盡可能多的信息。PCA確定的一系列相互正交的向量稱為負(fù)荷向量，這些負(fù)荷向量按照在負(fù)荷向量方向的方差大小來排序。給定一個訓(xùn)練集，它有r／,個觀測值、m個過程變量，寫成如式(1)中矩陣x(XER“。)的形式，則負(fù)荷向量可通過求解式(2)最優(yōu)化問題的穩(wěn)態(tài)點(diǎn)來計(jì)算。甘肅省自然科學(xué)基金資助項(xiàng)目(編號：0809RJZA005)；X2甘肅省科技支撐計(jì)劃資助項(xiàng)目(編號：090G
8、KCA034)。修改稿收到日期：2010—05—17。第一作者趙小強(qiáng)，男，1969年生，2006年畢業(yè)于浙江大學(xué)控制科學(xué)與工程專業(yè)，獲博士學(xué)位，副教授；主要從事生產(chǎn)調(diào)度與故障診斷方面的研究。茗llX12?戈Im"qf21算22?髫2m菇nI菇砣?菇Mmaxv#O(雩)mI——彳一l、l，1l，，(1)(2)8PROCESSAUTOMATONINSTRUMENTATIONV01．32No．1Janua
