基于分块核主成分分析和支持向量机的故障检测
李锦冰1
韩冰2
冯守渤1
张佳冬1
李宇1
钟凯1
韩敏1
1.大连理工大学电子信息与电气工程学部,辽宁大连,1160242.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,上海,200000
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.
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
资助基金：国家自然科学基金(61773087)中央高校基本科研业务费专项(DUT18RC(6)005)
论文发表日期：2020-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 847-854 )
英文信息