独立成分相关分析的自适应故障监测方法

• 作者: 叶晓丰 杨泽宇 王培良
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 独立成分分析 粒子群算法 隐马尔科夫模型 相关性评估 自适应因子 故障检测
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 论文与报告
• 页码范围: 1331-1338
• 页数: 8页
• 分类号: TP273
• 字数: 6484字
• 语种: 中文
• DOI: 10.7641/CTA.2018.70725

摘要

工业过程数据具有动态、非高斯等特性.独立成分分析(independent component analysis,ICA)既可以分析数据的非高斯形式,又可以极大地去除多变量间的耦合且满足独立性要求.本文引入粒子群算法优化ICA模型参数,自适应地确定独立成分个数.同时,提出一种基于隐马尔科夫链模型(hidden Markov model,HMM)的自适应检测限设计方法,将时间相关数据块的特征信息变化作为过程故障的检测依据.首先利用由时间窗方法确定的独立成分组成监测矩阵来训练HMM模型,旨在提高独立成分间相关性水平的表示能力;然后将得到的HMM模型对监测矩阵进行相关性评估,并在一定容许裕度的基础上设计评估值的自适应因子及检测限,并据此监测特征信息变化,动态地进行在线故障检测.最后,Tennessee Eastman(TE)仿真平台的实验结果表明了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王培良	湖州师范学院工学院	66	292	10.0	14.0
5	叶晓丰	杭州电子科技大学电子信息学院	3	10	2.0	3.0
6	杨泽宇	杭州电子科技大学电子信息学院	4	15	3.0	3.0