基于动态内并行潜结构投影的故障检测方法

针对实际工业过程故障检测时存在误报警现象及易缺失部分时段质量数据的问题，提出在线监测动态内潜结构投影(OM-DiPLS)模型.该模型通过引入时延的质量数据，使得在缺失部分时段质量数据时能够实现模型的更新.为了更好地监控质量变量中不可预测的信息，基于OM-DiPLS模型提出在线监测动态内并行潜结构投影模型.该模型将过程数据和质量数据投影到输入输出相关的协变子空间、输出无关但过程相关的输入主子空间、输入残差子空间、不可预测的输出主子空间及输出残差子空间，通过对各子空间构造相应的统计量，实现过程监测.田纳西-伊斯曼过程仿真的实验表明，利用所提算法有效提高了质量相关故障的有效检测率，降低了质量无关故障的误报率.     

基于独立成分分析及其扩展模型的工业过程监测方法综述

独立成分分析(independent component analysis, ICA)是一种多变量统计分析方法,常用于非高斯过程监测,它能够有效利用信号的高阶统计信息(三阶以上)提取相互独立的独立成分,在工业过程监测中得到了广泛的应用,是当前国际过程监测领域的研究热点.鉴于此,介绍经典ICA模型、改进ICA模型及其在工业过程的过程监测技术.首先,对经典ICA模型进行介绍,在此基础上对经典ICA模型进行分类并指出其优缺点;其次,针对经典ICA模型存在的缺陷,从ICA自身存在的问题、噪声和离群值3方面梳理改进ICA模型的发展;然后,以工业过程为主要应用背景,介绍ICA的过程监测技术如何从简单工业过程衍变至复杂工业过程,以及面向工业过程运行数据的单一特性和混合特性,综述ICA及其扩展模型在工业过程监测中的研究现状;最后,探讨该研究领域亟需解决的问题和未来的发展方向.     

动态内全潜结构投影的空间扩展故障检测方法

动态内偏最小二乘(DiPLS)方法是基于数据驱动的潜结构投影的动态扩展算法, 用于动态特征提取和关键 性能指标预测. 在大型装备系统中, 传感器采集的当前时刻样本受历史样本的影响且可能包含较大噪声. 在动态特 征提取中, 因DiPLS算法未按降序提取主成分, 导致残差空间仍存在较大变异, 动态和静态信息难以有效分离, 影响 故障检测性能. 为此, 本文提出了一种基于动态内全潜结构投影的故障检测方法(DiTPLS). 首先, 使用动态内偏最小 二乘方法和向量自回归模型建立动态模型并检测故障, 用于捕捉质量相关动态信息; 基于结构化动态主成分分析 算法建立一种改进的动态潜在变量模型, 用于残差分解, 提取质量无关的动态信息和静态信息, 并构造合适的统计 量进行故障检测. 数值仿真和田纳西–伊斯曼过程实验验证了DiTPLS算法的有效性.     

基于动态高效潜结构投影的质量相关故障检测

高效潜结构投影(EPLS)算法是一种反映过程变量与质量变量相关关系的多变量统计分析方法,在质量相关故障检测中具有良好的检测效果.然而EPLS算法是一种静态检测模型,不能反映实际工业过程或装备测试中的动态特性,对动态过程中质量相关故障的检测率较低.为此,本文提出了一种基于自回归移动平均模型(ARMAX)的动态高效潜结构投影(D–EPLS)检测算法.该算法首先基于输入时滞值构建增广矩阵,反映工业以及装备测试过程中的动态特性;然后将增广矩阵分解为质量相关和质量无关空间分别进行故障检测;最后通过数值仿真和田纳西伊斯曼过程(TEP)验证算法有效性.实验结果表明所提算法能够更好的适应动态过程,并全面提高了质量相关故障的检测率.