基于滑动中值滤波的多尺度主元分析方法.pdf

范少荟等：基于滑动中值滤波的多尺度主元分析方法 基于滑动中值滤波的多尺度主元分析方法! 范少荟! ! 文成林 !!! ! （河南大学计算机与信息工程学院 开封475001） !! （ 杭州电子科技大学信息与控制研究所 杭州 310018） 摘 要 提出了一种基于滑动中值滤波的多尺度主元分析（ ）方法，该方法利用中 MSPCA 值滤波对主元分析（ ）前的原始数据进行预处理，以去除异常点，并用多尺度主元分析 PCA 方法把小波变换和主元分析有机结合起来，通过对过程数据的多尺度建模，来消除系统中 的次要主元和小的小波系数，这样既提高了对数据中细微、重要变化的检测灵敏度，又解 决了在测量数据中含有异常点的情况下，现有多尺度主元分析难以去除因异常点的存在 而产生的虚警问题。仿真验证了该方法的有效性和可行性。 关键词 滑动中值滤波，小波变换，多尺度主元分析（ ），故障检测，故障诊断 MSPCA 者异常点。如果直接将这些带有异常点的数据用于 0 引 言 主元分析中，也容易导致系统的误报警，严重影响过 ［，］ 主元分析（ ， ）是一 程监视和故障诊断的准确性4 5 。 piincipaI component anaIysis PCA ［，］ 种常用的统计过程监视方法 1 2 。传统的PCA 方法 针对PCA 方法在处理异常数据时的不足，我们 属于单尺度建模，较适应于分析故障或干扰只存在 在进行多尺度主元分析之前，对测量数据进行了预 于某一固定尺度或频率段上的数据，但从实际过程 处理，用滑动中值滤波器消除了过程数据中异常点 采集的数据通常是多尺度的，不仅故障可能发生在 对故障检测结果的影响，并用MSPCA 检测系统的细 不同的时-频范围内，而且统计过程的能量或功率谱 微的变化，确保检测结果的准确性和有效性。 也可能随着时间或频率的改变而改变，测量变量的 1 PCA 方法 采样率也可能不同，这必将影响建模的准确性，容易 造成系统的误报警，进而降低过程监视和故障诊断 PCA 就是把已获得的高维信息投影到低维子空 间，并保留主要过程信息的一种方法。它可有效地 的准确性。因此，就产生了多尺度主元分析（ muIti- ［］ 用于对含有噪声或高度相关的测量数据进行分 3 scaIe PCA， ）方法 。 方法的主要思想 MSPCA MSPCA ［］ 析 1 。