基于ReliefF地主元挑选算法在过程监控中地应用.PDFVIP

第 68 卷 第 4 期 化 工 学 报 Vol.68 No.4 April 2017 2017 年 4 月 CIESC Journal ·1525 · DOI ：10.11949/j.issn.0438-1157 基于ReliefF 的主元挑选算法在过程监控中的应用 陶阳，王帆，侍洪波，宋冰 （华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海 200237 ） 摘要：传统的主成分分析(principal component analysis，PCA)算法选取包含大部分方差信息的成分作为主元， 并将其应用到过程监控中。但是故障信息不一定会投影到方差较大的成分上，使用方差贡献度挑选主元会导 致严重的信息丢失和监控效果的恶化。因此使用 ReliefF-PCA 算法，其中 ReliefF 算法从故障角度出发，挑选 出在区分正常样本和故障样本上权重更高，效果相对更好的成分作为主元。这样挑选出的主元避免了传统 PCA 算法在主元挑选过程中出现的主观性、盲目性以及重要信息的丢失。ReliefF-PCA 算法在过程监控中主 要有两个优势，第 1，监控效果更好；第 2 ，对原始数据降维效果更好。随后，基于 ReliefF-PCA 算法，提出 一种加权的故障变量贡献图方法。最后，通过 Tennessee Eastman(TE)仿真实验测试，ReliefF-PCA 算法达到 了预期效果。 关键词：过程系统；过程控制；主元分析；ReliefF-PCA 算法；故障检测；故障定位 中图分类号：TP 277 文献标志码：A 文章编号：0438—1157 （2017 ）04—1525—08 Principal component selection algorithm based on ReliefF and its application in process monitoring TAO Yang, WANG Fan, SHI Hongbo, SONG Bing (Key Laboratory of Advanced Control and Optimizationfor Chemical Processes of Ministry of Education , East China University of Science and Technology, Shanghai 200237, China) Abstract: Conventional principal component analysis (PCA) selects several Principal Components (PCs) with most variance information of normal samples in process monitoring. Because fault information may not be necessarily mapped into high variance components, PC selection by