基于ICA-SVDD的過程故障檢測方法研究.pdf

1、隨著工業(yè)智能化程度越來越高，保障生產(chǎn)過程安全和產(chǎn)品質量已成為當前必須面對的問題，而過程檢測技術就是解決此類問題的有效方法。工業(yè)生產(chǎn)運行過程每時每刻都在產(chǎn)生并儲存大量數(shù)據(jù)信息。近年來，基于數(shù)據(jù)的過程檢測技術得到了較大地發(fā)展；其中，多變量統(tǒng)計過程檢測方法是該領域的研究重點。
　　多元統(tǒng)計分析方法在工業(yè)化工過程故障檢測領域已得到廣泛應用。傳統(tǒng)主成分分析方法（Principal component analysis，PCA）是基于全局結構

2、特征的過程檢測方法，對過程數(shù)據(jù)的整體結構具有較強地捕捉性。PCA方法對工業(yè)過程檢測時，需要先假設過程數(shù)據(jù)服從高斯分布和線性特性，但實際化工生產(chǎn)過程中數(shù)據(jù)總是存在非高斯信息和噪聲等干擾因素，且PCA方法僅僅解除了變量相關性并沒有對獨立性進行分析。獨立成分分析（Independent component analysis，ICA）方法，可以彌補PCA檢測模型的不足，通過高階統(tǒng)計量提取過程數(shù)據(jù)中的獨立成分，獲得相互統(tǒng)計獨立的數(shù)據(jù)信息，且服從高

3、斯分布。ICA方法對過程數(shù)據(jù)存在非高斯性有較好的處理能力，但ICA方法處理過程數(shù)據(jù)存在非線性問題時，不如支持向量數(shù)據(jù)描述（Support vector data description，SVDD）方法效果好。SVDD通過把原始數(shù)據(jù)投影到特征空間，在特征空間構建一個包含樣本數(shù)據(jù)的超球體，通過構建SVDD模型實現(xiàn)過程故障檢測。
　　針對工業(yè)過程數(shù)據(jù)具有分布復雜的特性，且實際工業(yè)過程數(shù)據(jù)存在非線性和非高斯性問題，基于此，本課題結合ICA

4、算法和SVDD算法完成化工過程故障檢測，提出一種基于ICA-SVDD的工業(yè)過程故障檢測方法。首先，利用ICA算法對工業(yè)過程數(shù)據(jù)進行數(shù)據(jù)獨立成分提取，提取獨立成分需要尋找一個分離矩陣W，通過W的線性變化，可以將獨立主元從混合信號中分離出來，所得到的獨立成分是相互統(tǒng)計獨立的；然后，把提取出來的數(shù)據(jù)利用SVDD算法進行數(shù)據(jù)的重構，構建相關統(tǒng)計量并確定其相應的統(tǒng)計限，最后，完成對田納西-伊斯曼（Tennessee Eastman，TE）過程的數(shù)