基于状态空间主成分分析网络的故障检测方法

• 作者: 刘西陲 孙栓柱 李益国 沈炯 董顺
• 来源期刊: 化工学报
• 关键词: 过程系统 主元分析 算法 故障检测 状态空间 深度学习
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 过程系统工程
• 页码范围: 3528-3536
• 页数: 9页
• 分类号: TP277
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20180025

摘要

作为一种经典的方法,主成分分析(PCA)在多元统计过程监控领域得到了广泛的应用.然而,主成分分析及其各种改进方法仅从原始数据中提取了一层特征,缺乏对深层次特征的提取.计算机领域深度学习技术的发展表明了深层次的网络结构有利于数据特征的提取,因此,将主成分分析网络(PCANet)这种深度学习网络结构引入到故障诊断领域,与多元统计过程监控方法进行结合,以增强故障检测效果.在PCANet框架下,针对工业过程数据的动态特征,在网络结构中增加了状态空间模型作为动态层以解决动态性问题.此外,还以故障检测为目标重新设计了输出层.最后,通过在TE过程上的仿真测试验证了该方法用于故障检测的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李益国	东南大学能源与环境学院	75	1006	18.0	28.0
5	沈炯	东南大学能源与环境学院	106	1994	24.0	42.0
6	孙栓柱		25	119	6.0	9.0
7	董顺	东南大学能源与环境学院	4	26	2.0	4.0
11	刘西陲	东南大学能源与环境学院	13	81	5.0	9.0