基于KPCA-MSPC的SDG故障诊断方法  

Fault Diagnosis Base on SDG Combined with KPCA-MSPC

作　　者：陈宸[1] 熊智华[1] 吕宁[1] 王雄[1] 

机构地区：[1]清华大学,北京100084

出　　处：《微计算机信息》2010年第28期101-103,41,共4页Control & Automation

基　　金：基金申请人:黄德先;王雄等;项目名称:炼油行业面向节能降耗的过程控制与优化集成技术及应用;基金颁发部门:国家科技部(2007AA04Z193);基金申请人:熊智华等;项目名称:基于数据间歇反应过程产品质量智能学习控制研究;基金颁发部门:国家自然科学基金委(NFSC40874049)

摘　　要：符号有向图(SDG)故障诊断方法具有完备性好、推理深度高等优点,但存在如何适当选择节点阈值的问题。本文将基于核主成分分析(KPCA)的多元统计过程控制(MSPC)方法与SDG方法相结合,利用MSPC统计指标是否超限来触发SDG推理,避免了单独使用SDG方法时节点阈值难以选择的问题,并利用各被监控变量对统计指标的贡献率确定SDG推理的起始搜索节点,提高了故障诊断的效率,通过田纳西(TE)标准测试平台的仿真实例验证了该方法的有效性。The model-based signed digraph（SDG） method has been widely used in process industry for its completeness and deep inference.However,it is very difficult to select the thresholds of the nodes.In this paper,by combing SDG with kernel principal component analysis（KPCA） and multivariable statistical process control（MSPC） based on historical data,a new approach is presented to overcome the disadvantage of SDG in threshold selection.The simulation results on the platform of Tennessee Eastman（TE） process show that the efficiency of the proposed approach.

关 键 词：故障诊断 符号有向图 核主成分分析 多元统计过程控制 

分 类 号：TP206.3[自动化与计算机技术—检测技术与自动化装置]