基于DGLPP-SVDD算法的化工过程故障检测

• 作者: 徐静 王振雷 王昕
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 动态特性 全局局部保留投影 支持向量数据描述 数据降维 故障检测
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 工业过程及控制系统
• 页码范围: 2462-2468
• 页数: 7页
• 分类号: TP277
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.CPCC2019-277

摘要

针对实际工业生产中数据间存在动态关系,以及高斯和非高斯混合分布特性,提出动态全局局部保留投影-支持向量数据描述(dynamic global-local preserving projection-support vector data description,DGLPP-SVDD)的故障检测算法.构建动态扩展矩阵代替原始数据集,提高动态过程的监测能力.支持向量数据描述(support vector data description,SVDD)算法能高效地处理具有非高斯特性的过程数据,故面对高斯和非高斯混合分布的过程时具有较优异的表现,且只需少量数据就能检测出系统处于非正常运行状态,提高了算法的故障检测率.通过田纳西-伊斯曼(Tennessee Eastman,TE)过程仿真研究对全局局部保留投影(global-local preserving projection,GLPP)算法和DGLPP-SVDD算法进行对比.结果 表明,在故障误报率均控制在合理范围且相差不大的情况下,DGLPP-SVDD算法的平均故障检测率更高.