基于预测特征分析的动态过程状态监测方法  

Dynamic Process Monitoring Method Based on Predictable Feature Analysis

作　　者：任宪桥 丁宗义 乔宗良[2] 司风琪[2] 

机构地区：[1]安徽淮南平圩发电有限责任公司,安徽淮南232089 [2]东南大学能源热转换及其过程测控教育部重点实验室,江苏南京210096

出　　处：《工业控制计算机》2023年第7期5-6,9,共3页Industrial Control Computer

摘　　要：动态潜变量模型在多元状态监测中得到了广泛应用,从潜变量可预测性最大化出发,提出了一种基于预测特征分析(PFA)的状态监测方法。PFA采用无监督建模的形式,基于预测误差最小化计算全局最优可预测特征。进一步,构建T2和SPE统计量,对动态过程进行故障检测。以TE过程为对象,构建PFA模型,与典型的统计分析方法进行对比实验,结果表明,提出的方法能够准确高效地检测出故障,具有较高的可靠性和优越性。The dynamic latent variable model has been widely used multivariate process monitoring.From the perspective of maximizing the predictability,this paper establishes a latent variable autoregressive model for process monitoring.The PFA algorithm adopts unsupervised model to extract optimal predictive features from the input signals,T2 and SPE statistics are further constructed to realize the monitoring of dynamic processes.Through experiments with typical methods,the proposed PFA based dynamic process monitoring method has superior performance and high reliability.

关 键 词：动态过程 故障监测 主成分分析 预测特征分析 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置]