基于支持向量数据描述的非高斯过程故障重构与诊断

化工学报 ›› 2009, Vol. 60 ›› Issue (1): 168-171.

基于支持向量数据描述的非高斯过程故障重构与诊断

张建明，葛志强，谢磊，宋执环，王树青

浙江大学智能系统与控制研究所，工业控制技术国家重点实验室; 浙江大学工业控制技术研究所，工业控制技术国家重点实验室

出版日期:2009-01-05 发布日期:2009-01-05

Non-Gaussian process monitoring and fault reconstruction and diagnosis based on SVDD

ZHANG Jianming，GE Zhiqiang，XIE Lei，SONG Zhihuan，WANG Shuqing

Online:2009-01-05 Published:2009-01-05

摘要/Abstract

摘要：

提出一种基于支持向量描述（SVDD）的统计过程监控与故障重构及诊断算法，避免了PCA、PLS等传统统计过程监控方法假设过程数据服从高斯分布的不足。鲁棒故障重构算法通过迭代保证重构后的数据对应的SVDD监控统计量最小化。诊断算法根据故障集中的不同故障重构后监控统计量是否恢复正常，确定实际发生的过程故障。CSTR过程的仿真研究表明了所提出方法的有效性。

关键词:

支持向量数据描述, 故障诊断, 统计监控

Abstract:

A novel support vector data description（SVDD）statistical process monitoring and fault reconstruction & isolation approach is proposed to address non-Gaussian multivariate process systems and overcome the deficiencies of traditional PCA and PLS methods.A robust iterative approach is involved to reconstruct the fault signals and minimize the SVDD monitoring statistics.By comparing the reconstructed statistics with different fault candidates，a fault diagnosis strategy is proposed to isolate the actual process fault.A study of the application in CSTR simulation demonstrates the efficiency of proposed method.

Key words:

支持向量数据描述, 故障诊断, 统计监控

张建明, 葛志强, 谢磊, 宋执环, 王树青. 基于支持向量数据描述的非高斯过程故障重构与诊断 [J]. 化工学报, 2009, 60(1): 168-171.

ZHANG Jianming, GE Zhiqiang, XIE Lei, SONG Zhihuan, WANG Shuqing. Non-Gaussian process monitoring and fault reconstruction and diagnosis based on SVDD[J]. CIESC Journal, 2009, 60(1): 168-171.

[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]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[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]	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.
[14]	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.
[15]	许玉格, 孙称立, 赖春伶, 罗飞. 基于不平衡学习的集成极限学习机污水处理故障诊断[J]. 化工学报, 2018, 69(7): 3114-3124.