基于故障子空间与PCA监测模型的故障可检测性研究.pdf

第3l卷第1l期 计算机与应用化学 V01．31，No．11 2014年11月28日 and November ComputersAppliedChemistry 28，2014 基于故障子空间与PCA监测模型的故障可检测性研究 肖应旺1，黄业安2，杨军1，张承忠1，杜瑛1 (1．华南师范大学南海校区信息工程与技术系，广东，佛山，528225 2．华南师范大学计算机学院，广东，广州，510631) 摘要：由于基于主元分析(PrincipalComponentAnalysis，PCA)的统计监控方法没有利用过程机理模型(FirstPrincipleModel)信息， 因此在一定程度上限制了其故障诊断能力的发展。本文基于PCA的框架，采用故障子空间对故障进行描述，在PCA监测模型 的基础之上，分析了主元空间和残差空间的故障可检测性问题，获得了故障可检测性的必要充分理论条件。通过对双效蒸发过 程的仿真监测，证实了所获理论结果的有效性，表明了通过计算临界故障幅值就可事先对故障集内各故障的检测结果作定量的 分析，从而事先了解各故障在PCA下的检测结果。 关键词：故障子空间；PCA监测模型：故障可检测性：双效蒸发过程 中图分类号：TP301．6 文献标识码：A DOI：10．11719／corn．app．che 1 引言 果。 多元统计过程监控的基本思想是通过分析历史数据 2 故障子空间与PCA监测模型 的统计特性，得到相应统计量的分布特征。当实际数据 2．1故障子空间 的分布情况和历史情况不相吻合时，相关统计量超出其 对于某一被监测过程，当传感器集给定之后，根据 控制限，从而完成对故障或异常状况的检测。故障检测 历史运行记录和工艺信息，可定义具有J∈Z+(Z+表示 是过程监控的第一阶段。 正整数)个故障的集合{F…．J：。。通过分析故障传播模式， 可将故障集中的各故障表述为孵”中的子空间¨州，m为 由于基于主元分析(PrincipalComponentAnalysis． 监测系统的传感器数目。记{o，}二为故障子空间集合， PCA)的统计监测方法没有利用过程机理模型(first principlemodel)信息，因此在一定程度上限制了其故障诊其中可包括多维故障的情况，即dtm(O，)=，f≥1。故障只 发生时的过程数据x可表示为： 断能力的发展。美国德克萨斯大学(奥斯汀)的Dunia 等人提出故障子空间的概念【l】，从而可以将过程工艺信息 X=x++@f厂 (1) 融入到数据驱动的PCA统计模型中，使得故障的可重构 其中，矿∈孵”为名义上的正常数据，故障参数f∈吼‘， 性以及可识别性等一些重要的基础性问题得以部分解 0硎为故障幅值，故障子空间@，的维数为mב。 2．2 PCA监测模型 决，为PCA理论的深入发展提供了新的思路。Dunia等 PCA统计模型是对正常工况下过程变量之间的相互 人提出的基于故障子空间的几何分析方法，其核心环节 关联关系的一种统计描述，其监测原理详见文[4】。为后