基于PCA多变量统计的故障检测与诊断

来源期刊：控制工程2006年第S1期

论文作者：朱奇 侍洪波

文章页码：216 - 219

关键词：主元分析;多变量统计过程;故障检测与诊断;田纳西-伊斯曼过程;

摘    要：主元分析（PCA）是一种能够对过程生产进行监测和质量控制的有效方法,在保证数据信息丢失最少的情况下,大大降低了原始数据空间的维数。为了更好地进行故障检测与诊断,介绍了基于PCA多变量统计的故障检测与诊断,给出了广泛应用在多变量统计过程上的T2和Q（或SPE）统计量。利用PCA分析建模可以消除变量间的非线性关联,降低噪声影响。用田纳西-伊斯曼过程TEP（Tennessee-Eastman Process）平台产生仿真数据,并利用Matlab软件建立故障检测与诊断模型。通过T2和Q（或SPE）统计量与其阈值的判断,进行对系统的故障检测与诊断。实验表明,基于PCA的故障诊断方法能够对过程的非正常变化做出反应,也能较正确地找出发生故障的原因以及相应环节。