基于ALSICA算法的多工况非高斯过程故障检测方法.pdf

第3l卷第12期 计算机与应用化学 、幻1．31．No．12 2014年12月28日 Compu岫蚰dApplicdChemis缸y December28．2014 基于ALSICA算法的多工况非高斯过程故障检测方法 徐莹，邓晓刚 (中国石油大学(华东)信息与控制工程学院，山东，青岛，255666) kal 摘要：针对工业过程数据的多模态、非高斯分布等问题，提出了一种基于自适应邻域参数的局部标准化独立元分析(adaptive st如dard妇d ind印皿dent 虑过程数据的多模态分布问题，引入局部标准化方法建立了局部标准化独立元分析(LSICA)算法。进～步，考虑到局部标准 化方法的邻域参数足值选取的问题。提出了一种新的ALSICA算法，该方法基于密度最优的概念选取邻域参数量值，并且足 随着数据点变化做出自适应改变。然后建立独立元监控统计变量，进行在线监控。连续搅拌反应釜(continuous stir血g伽呔 reactor，CSTR)系统仿真结果验证了ALSICA方法较传统的ICA方法效果更优。 关键词：IcA；局部标准化；多工况{自适应 中图分类号：TP273 文献标识码：A DoI：10．11719／com．印p．che l 引言 本文针对工业过程数据多模态、非高斯分布等问题， 提出了一种基于自适应领域参数局部标准化独立元分析 现代工业过程系统发展日趋大型化、复杂化，是否 (ALsICA)算法的多工况非高斯过程故障检测方法。该 能及时检测出故障已经成为确保工业系统安全、可靠的 方法首先基于密度最优概念，选取使得邻域内数据点密 关键。工业过程每天会产生成海量数据，这些数据维数 度最大的万邻域，无需经验选取K，并且邻域参数K随 高，具有高度相关性且数据分布特性不明【l】。传统的多变 着数据点变化做出相应改变。然后建立独立元监控统计 量统计过程监控(MSPC)方法如PCA和PLS得到广泛 变量并计算相应控制限，最后进行在线监控。在连续搅 应用【2引，然而这些方法往往需要很多假设条件。针对 拌反应釜(CSTR)系统上仿真验证该方法的有效性。 过程数据非高斯分布问题，一些学者提出在多变量监控 统计下独立元分析(ICA)方法【删。ICA方法可以提取 2 基于ICA算法的过程故障检测方法 过程数据中的潜在变量，较PCA方法能够更彻底地提取 2．1 ICA算法 系统内部信息。文献[7]构造了3个统计监控量并用核密 度估计方法估计相应控制限，实现从单一独立元监控到 IcA起源于盲源分析，其目的是找到测量变量中隐 对3个统计量全面监控的变化。 含的独立元信号‘11】。在不考虑干扰情况下，ICA模型如 传统多变量过程监控方法的一个假设条件是过程只 式(1)：