基于改进稀疏主元分析的在线故障监测和诊断

针对传统主元在线故障监测方法中故障误诊率高、故障监测统计量不足以及故障定位不准确等问题，提出了一种基于改进稀疏主元分析(SPCA)的在线故障监测和诊断方法。方法使用弹性网络，权衡优化Lasso和Ridge惩罚项对主元进行稀疏，将传统故障检测算法中的平方预测误差根据过程变量的复相关系数拆分为主元相关变量残差(PVR)和一般过程变量残差(CVR)监测故障，最后使用贡献图法进行故障诊断。将改进的SPCA在线故障监测方法应用于田纳西-伊斯曼过程进行验证，结果表明，上述方法有效降低了故障误诊率，为故障监测提供新的统计量，使故障定位更加准确，确保了在线故障监测和故障诊断的准确性。