基于主元分析和支持向量数据描述的多工况过程监控方法

摘要

本发明公开了一种基于主元分析和支持向量数据描述的多工况过程监控方法，该方法首先对各种工况的混合数据建立一个统一的PCA模型，然后分别将主元空间和残差空间的得分向量通过SVDD投向高维特征空间。在特征空间中建立两个新的统计量分别对主元空间和残差空间进行监控。当过程发生故障时，给出一种基于SVDD的故障重构方法对故障进行识别。本发明利用主元分析方法降低过程变量维数的基础上，对各个工况的数据建立两个SVDD统计监测模型，缩紧了过程监控的统计限，提高了过程监控的灵敏度。此外，针对检测到的过程故障，给出一种故障重构和识别方法，可以很好地定位故障的发生源，有益于尽早排除故障，使过程回归到正常工况。

主权项

1. 一种基于主元分析和支持向量数据描述的多工况过程监控方法，其特征在于，包括以下步骤：(1)利用集散控制系统收集过程各个正常工况的数据组成建模用的训练样本集：其中，q＝1，2，…，Q为对应于过程工况q的数据矩阵，nq和m分别为工况q下的样本和过程变量数目，分别将这些数据存入历史数据库。(2)数据预处理和归一化，使得各个过程变量的均值为零，方差为1，得到新的数据矩阵为X。(3)建立一个统一的PCA模型对过程数据进行信息提取和降维。(4)分别在两个操作空间内构造统计量并建立其相应的统计限对过程进行在线监控。(5)故障重构和识别。