基于分块核主成分分析和支持向量机的故障检测

• 作者: 冯守渤 张佳冬 李宇 李锦冰 钟凯 韩冰 韩敏
• 来源期刊: 控制理论与应用
• 关键词: 故障检测 分块核主成分分析 最小二乘支持向量机 特征提取
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 847-854
• 页数: 8页
• 语种: 中文
• DOI: 10.7641/CTA.2019.80923

摘要

针对工业系统监测数据为非线性,且难以辨识复杂工作过程中故障位置的问题,提出一种基于分块核主成分分析(BKPCA)和最小二乘支持向量机(LS-SVM)的集成故障检测方法.首先对系统监测变量进行分块,使用KPCA对每个分块在特征空间中建立T 2和平方预测误差(SPE)统计量来实时监测系统健康状态,并使用LS-SVM对上述过程检测出来的故障数据进行再次判断.随后计算出现故障后计算每一分块的故障贡献率,进而确定发生故障的分块.由于采用了并行分块算法,可以较简单的确定故障发生位置,提高计算效率,同时LS-SVM方法的应用也可以提升故障检测的精度.使用田纳西-伊斯曼化工(TE)过程数据对本文所提方法进行仿真验证,试验结果表明所提方法取得了较好效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宇	大连理工大学电子信息与电气工程学部	10	102	3.0	10.0
2	韩冰	上海船舶运输科学研究所航运技术与安全国家重点实验室	21	51	5.0	6.0
3	冯守渤	大连理工大学电子信息与电气工程学部	4	0	0.0	0.0
4	李锦冰	大连理工大学电子信息与电气工程学部	2	1	1.0	1.0
5	张佳冬	大连理工大学电子信息与电气工程学部	1	0	0.0	0.0
6	钟凯	大连理工大学电子信息与电气工程学部	1	0	0.0	0.0