基于多阶段多核支持向量数据描述的间歇过程监控方法

• 作者: 曹玉苹 王平 王延江 王晓慧 邓晓刚
• 来源期刊: 中国石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 故障检测 支持向量数据描述 贝叶斯推理 谱聚类 间歇过程
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 石油地质与石油机械
• 页码范围: 182-188
• 页数: 7页
• 分类号: TP277
• 字数: 5300字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5005.2020.04.021

摘要

针对间歇过程数据的多阶段特性及复杂非线性特性,提出一种基于多阶段多核支持向量数据描述(MPMK-SVDD)的间歇过程故障检测方法.为充分挖掘间歇过程数据的多阶段信息,首先提出一种基于互信息相似矩阵的改进谱聚类方法,解决间歇过程数据集的多阶段划分问题.进一步考虑到单一核函数难以充分描述过程数据的复杂非线性问题,设计一种基于多重核函数和核参数的SVDD监控模型,并通过贝叶斯推理构造全局监测统计量,以实现过程故障的有效监控.以青霉素发酵过程为仿真研究对象,验证方法的有效性.结果表明,提出的方法比传统的SVDD方法能更有效地检测过程故障,具有更高的故障检出率.