改进主元分析方法及数据重构在工业系统中的故障诊断研究

• 作者: 吕锋 杜文霞 杜海莲 苗诗瑜
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 主元分析 故障分析 故障重构 主元显著关联的检测残差变量 一般变量残差 生产安全
• 年，卷（期）: 2019,（1）
• 页码范围: 72-77,85
• 页数: 7页
• 分类号: TP206
• 字数: 4232字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2019.43.01.010

摘要

为了更加准确地对复杂工业生产系统进行故障判断,使生产系统更加稳定地运行,采用了改进的主元分析( Principal component analysis,PCA)方法及数据重构对工业过程进行故障诊断研究.采集工业系统正常和故障状态时的数据,将传统的 PCA 算法中平方预测误差( Squared prediction error, SPE )统计量分成两个,分别为主元显著关联的检测残差变量( Principal-component-related variable residual,PVR)和一般变量残差( Common variable residual, CVR)对系统进行故障判断.为了使系统在检测出故障之后尽量减少故障数据对系统的影响,又进一步应用数据重构方法,将故障数据重构成正常数据,并采用有效度指标进行验证.在故障发生的过程中对故障部分进行检修和排除,把生产系统受到故障的影响降到最低.改进的PCA方法和数据重构方法运用田纳西—伊斯曼过程的数据验证,使故障的检测结果更加准确,保证了生产系统的正常运行行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜海莲	河北师范大学职业技术学院	13	78	5.0	8.0
2	杜文霞	河北师范大学职业技术学院	12	147	6.0	12.0
3	吕锋	河北师范大学职业技术学院	50	559	11.0	22.0
4	苗诗瑜	北京交通大学电气工程学院	2	6	2.0	2.0