基于改进PCA模型的工作站故障诊断方法研究

工作站广泛应用于工业生产。现有的PCA故障诊断模型在检测工作站故障时存在模型过度拟合、指标冲突、参数敏感度低等问题，误检漏检较多。针对上述问题，提出一种基于改进PCA模型的工作站故障诊断方法，即MA-PCA(Multi-index Principal Component Analysis)。在传统PCA主成分分析故障诊断模型基础上，在主元空间和残差空间计算T2和SPE统计量，引入控制限融合深度系数的统计量指标，调整控制限，根据主成分中的参数贡献量反馈调整诊断模型，构建自适应更新的故障诊断模型。最后通过实例分析，验证了所提出的改进PCA模型故障诊断方法的可行性，并与传统PCA模型和三项故障诊断方法的诊断结果进行比对，该方法在故障诊断准确率上可提高2.7%～8.2%。