基于BDKPCA—OCSVM的间歇过程故障检测.pdf

《基于BDKPCA—OCSVM的间歇过程故障检测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第49卷第l期石油化工自动化VoI_49，No．12013年2月AUT【】MATI()NINPETRO-CHEMICALINDUSTRYFebruary．20l3基于BDKPCA—OCSVM的间歇过程故障检测孙婧，田学民(中国石油大学(华东)信息与控制工程学院，山东青岛266580)摘要：针对间歇过程的非线性和动态性，给出了一种将动态核主元特征提取和单类支持向量机(A一(xM)分类相结合的故障检测方法。利用核的方法提取过程的非线性特征，通过构建(AI)时间序列模型提取过程的动态性特征。建立{~BVMN

2、if模型，并构造统计量进行实时故障检测。在盘尼西林发酵系统上的仿真实验结果说明，该方法能够更有效地检测故障的发生。关键词：间歇过程故障检测动态核主元分析单类支持向量机中图分类号：1"P277．3文献标志码：B文章编号：1007—7324(2013)01—0022—06FaultDetectionBasedonBDKPCA～0CSVMf0rBatchProcessSunJing，TianXuemin(CollegeofInformationandControlEngineering，ChinaUnive

3、rsityofPetroleum(East)，Qingdao，266580，China)Abstract：Aimtothenonlinearanddynamiccharactersforbatchprocess，anewapproachforfaultdetectionbasedohbatchdynamickernelprincipalcomponentanalysis(BDKPCA)andone-classsupportvectormachines(OCSVM)hasbeenpresented．Th

4、enonlinearfeatureisobtainedbyBDKPCAmethodandthedynamicfeatureisobtainedthroughbuildingauto—regressivemovingaverageexogenous(ARMAEX)timeseriesmodelintheprocess．OCSVMstatisticmodelisbuilt，andrealtimefaultdetectionisconducted．Thesimulationresultsonpensimfe

5、rmentationsystemshowtheapproachcandetectthefaultefficiently．Keywords：batchprocess；faultdetection；BDKPCA；OCSVM随着工业生产规模的不断扩大和复杂性的日出了批动态主成分分析BDPcA(BatchDynamic益提高，有效地进行过程故障检测是保证生产安PCA)；针对过程的非线性特征，文献[34]通过全、提高产品质量和经济效益的关键uj。故障检测引入非线性核函数，采用多向核主元分析MKPCA可看成是偏离

6、正常工况的离群点的检测，这等价于(MultiwayKernelPCA)方法，充分提取过程中的一类分类问题。单类支持向量机OCSVM(One-非线性信息；针对过程非线性、动态性并存的现象，ClassSupportVectorMachines)在一类分类问题文献[5]提出了批动态核主元分析BDKPCA上显示了优势，已被应用于故障检测中。传统的基(BatchDynamicKernelPrincipalComponent于(1)CSVM的故障检测采用主元分析PCAAnalysis)方法，将核主元分析KPCA(

7、Kernel(PrincipalComponentAnalysis)提取过程的特征PrincipalComponentAnalysis)和ARMA卜=X(Auto—RegressiveMovingAverageExogenous)整信息进行分析。PCA是一种有效的数据降维和特征提取方合并应用于批过程的非线性动态特征提取。法，该方法能最大可能地提取数据的主要变化。然因此，为了有效地提取间歇过程的非线性动而PCA是一种线性变换的方法，并且只考虑了变量之间的相关性，无法对复杂工业过程数据准确地稿件收到日期：

8、2012—09—03，修改稿收到日期：2012l125。进行特征提取。因此，许多学者进行了进一步的研基金项目：国家自然科学基金(51104175)，山东省自然科学基金究，为了研究过程的动态特性，文献[2]将多向主元(ZR2011FM014)资助。分析MPCA(MultiwayKernelPrincipal作者简介：孙婧(1987)，女，在读硕士研究生，研究方向为间歇过ComponentAnalysis)与时滞移位方法相结合，提程故障诊断。第1期孙婧等．基