基于独立成分的动态多变量过程的故障检测与诊断方法

化工学报 ›› 2005, Vol. 56 ›› Issue (4): 646-652.

基于独立成分的动态多变量过程的故障检测与诊断方法

何宁;谢磊;郭明;王树青

工业控制技术国家重点实验室浙江大学先进控制技术研究所，浙江杭州 310027;佳木斯大学控制系，黑龙江佳木斯 154007

出版日期:2005-04-25 发布日期:2005-04-25

Fault detection and diagnosis in continuous dynamic multivariable processes using independent component analysis

HE Ning;XIE Lei;GUO Ming;WANG Shuqing

Online:2005-04-25 Published:2005-04-25

摘要/Abstract

摘要： 化工过程中存在大量测量变量，这些变量一般不是相互独立的，而是由少数必要的潜隐变量驱动，这些潜隐变量通过独立成分分析方法（ICA）抽取出来，可用于故障检测和监控.在基于ICA的故障检测和监控基础上提出一种故障诊断方法——字符串匹配方法，此种方法仅由数据驱动，既不需要训练数据也不需要建立过程模型，实施起来简单方便.通过在TE仿真模型上的应用，表明了此方法的有效性.

关键词: 独立成分分析, 字符串匹配, 最长公共子字符串, 统计过程监控, 故障诊断

Abstract: A chemical process has a large number of measured variables, which are usually driven by fewer latent variables. The latent variables are extracted by using independent component analysis (ICA) and monitored to detect the fault.According to the situation of alarm limit violations of independent components, the diagnosis of faults is reduced to a string matching problem. The proposed method is data driven and any training data or a process model is not required. It was evaluated by the application to the Tennessee Eastman challenge process and its effectiveness was demonstrated.

Key words: 独立成分分析, 字符串匹配, 最长公共子字符串, 统计过程监控, 故障诊断

何宁, 谢磊, 郭明, 王树青. 基于独立成分的动态多变量过程的故障检测与诊断方法 [J]. 化工学报, 2005, 56(4): 646-652.

HE Ning, XIE Lei, GUO Ming, WANG Shuqing. Fault detection and diagnosis in continuous dynamic multivariable processes using independent component analysis[J]. CIESC Journal, 2005, 56(4): 646-652.

[1]	明迁, 高逸, 胡剑, 李盛杰, 王金江. 热交换器泄漏故障虚拟感知方法研究[J]. 化工学报, 2023, 74(4): 1836-1846.
[2]	高学金, 程琨, 韩华云, 高慧慧, 齐咏生. 基于中心损失的条件生成式对抗网络的冷水机组故障诊断[J]. 化工学报, 2022, 73(9): 3950-3962.
[3]	杨静, 林振康, 汤君, 樊铖, 孙克宁. 电池系统的故障特征以及多故障的诊断与识别[J]. 化工学报, 2022, 73(8): 3394-3405.
[4]	郭金玉, 王哲, 李元. 基于核熵独立成分分析的故障检测方法[J]. 化工学报, 2022, 73(8): 3647-3658.
[5]	孙哲, 金华强, 李康, 顾江萍, 黄跃进, 沈希. 基于知识数据化表达的制冷空调系统故障诊断方法[J]. 化工学报, 2022, 73(7): 3131-3144.
[6]	张成, 潘立志, 李元. 基于加权统计特征KICA的故障检测与诊断方法[J]. 化工学报, 2022, 73(2): 827-837.
[7]	张弛, 李浩, 胡海涛, 朱翀, 张玉莹, 南国鹏, 舒悦. 基于自动特征工程的飞行器轴承故障诊断[J]. 化工学报, 2021, 72(S1): 430-436.
[8]	邓佳伟, 邓晓刚, 曹玉苹, 张晓玲. 基于加权统计局部核主元分析的非线性化工过程微小故障诊断方法[J]. 化工学报, 2019, 70(7): 2594-2605.
[9]	杨新, 麻哲瑞, 申赫男, 陈鸿伟. 基于多尺度特征能量-核极限学习机的双循环流化床气流堵塞故障智能诊断[J]. 化工学报, 2019, 70(7): 2616-2625.
[10]	彭开香, 张传放, 马亮, 董洁, 焦瑞华, 唐鹏. 面向系统层级的复杂工业过程全息故障诊断[J]. 化工学报, 2019, 70(2): 590-598.
[11]	顾炳斌, 熊伟丽. 基于多块信息提取的PCA故障诊断方法[J]. 化工学报, 2019, 70(2): 736-749.
[12]	鲁春燕, 李炜. 基于深度置信网络的炼化空压机故障诊断方法[J]. 化工学报, 2019, 70(2): 757-763.
[13]	翟坤, 杜文霞, 吕锋, 辛涛, 句希源. 一种改进的动态核主元分析故障检测方法[J]. 化工学报, 2019, 70(2): 716-722.
[14]	李沛洁, 杨博, 李宏光. 基于关联规则的条件状态模糊Petri网及其在故障诊断中的应用[J]. 化工学报, 2018, 69(8): 3517-3527.
[15]	王占伟, 王林, 梁坤峰, 袁俊飞, 王智伟. 基于融合的贝叶斯网络的冷水机组故障诊断[J]. 化工学报, 2018, 69(7): 3167-3173.