基于主元分析的故障可检测性的统计指标比较

基于主元分析的故障可检测性的统计指标比较

ID:40918459

大小:352.61 KB

页数:4页

时间:2019-08-10

基于主元分析的故障可检测性的统计指标比较_第1页
基于主元分析的故障可检测性的统计指标比较_第2页
基于主元分析的故障可检测性的统计指标比较_第3页
基于主元分析的故障可检测性的统计指标比较_第4页
资源描述:

《基于主元分析的故障可检测性的统计指标比较》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、ISSN1000-0054清华大学学报(自然科学版)2006年第46卷第8期26/36CN11-2223/NJTsinghuaUniv(Sci&Tech),2006,Vol.46,No.81447-1450基于主元分析的故障可检测性的统计指标比较邱天,丁艳军,吴占松(清华大学热能工程系,热科学与动力工程教育部重点实验室,北京100084)摘要:基于主元分析的传感器故障检测方法中,SPE和的故障检测、故障分离与信息重构。在进行故障检测2HawkinTH是两个重要指标,针对目前应用中SPE指标有不时,使用SPE作为指标,判断是否发生故障[2]。同时,足,而HawkinsT2指标

2、一直没有得到重视的问题,该文通过2H该作者认为以T作指标在过程发生正常改变时会22分析对比SPE和T指标的控制限和基于主元分析的传感器H出现报警的缺点不利于T指标在实际过程中应用,22故障可检测性的充分条件,得出了SPE和T指标的可检测H因此没有深入比较SPE和T指标的传感器故障可故障幅值计算公式。定性分析了SPE和T2指标对不同传感[3]H检测性。王海清和余世明从故障可检测性充分条器故障具有不同的检测能力,并通过数值仿真进行了验证。2件中提出临界故障幅值的概念,即SPE和T指标所2指出由于TH和SPE指标各有优劣,因此在实际传感器故障能检测到的最小故障的幅值,用于指导主元

3、个数的检测中应该联合使用。选取。关键词:故障检测;主元分析;传感器[4]冯雄峰等通过对SPE指标的平方预测误差进中图分类号:TP277文献标识码:A行分析,发现SPE指标对不同传感器的波动的检测文章编号:1000-0054(2006)08-1447-04[5]能力并不一致。王海清等将SPE指标根据测量向量各参数与主元的相关性的强弱,进一步分解为两Sensorfaultdetectionstatisticsbasedon个指标,从而获得过程更多的信息,提高了PCA方principalcomponentanalysis法的故障检测的精度。2QIUTian,DINGYanjun,

4、WUZhansongHawkinsTH指标由于可能存在的计算病态问[6,7]2(KeyLaboratoryforThermalScienceandPowerEngineeringof题,一直没有得到深入研究。TH指标本身包含了MinistryofEducation,DepartmentofThermalEngineering,测量向量与主元的相关性信息,在不考虑计算病态TsinghuaUniversity,Beijing100084,China)的情况下,有可能得到更好的故障检测结果。Abstract:Squarepredictionerror(SPE)andHawkins

5、T2canbothH2由于SPE和TH指标检测能力不仅与指标本身beusedtodetectfaultsintheprincipalcomponentanalysis-basedsensorfaultdetectionapproach.However,therearefewstudieson的计算有关,还与其对应的控制限有关,不能简单进22thefunctionoftheHawkinsTinsensorfaultdetection.ThecriticalH行比较。本文通过分析SPE和TH指标的故障可检测faultmagnitudeofSPEandT2werederivedb

6、yanalyzingtheH性,并通过数据仿真实验,讨论了两个指标的不同适statisticalthresholdandsensorfaultdetectabililty.SPEandT2haveH用范围。differentabilitiesforfaultdetectionindifferentsensors,aswas2verifiedbysimulations.SinceSPEandThavedifferentfaultH1PCA理论detectionabilities,theyshouldbecombinedinanapplication.m设x∈R表示m个传感器标

7、准化后的测量向Keywords:faultdetection;principalcomponentanalysis;sensorN×m量。设X∈R为标准化后的样本数据矩阵,每行表示一个样本。PCA方法可将其分解成两部分:在化工过程检测和工业锅炉运行中,基于主元x=xd+x~,(1)分析(principalcomponentanalysis,PCA)的传感器故障检测方法已得到了比较深入的研究和应用。收稿日期:2005-09-262SPE(squarepredictionerror)和HawkinsT指基金项目:国家自

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。