层次变分高斯混合模型与主多项式分析的故障检测策略

作者：李元^*; 杨东昇; 赵丽颖; 张成

来源：化工学报, 2021, 72(03): 1616-1626.

• 主元分析
• 变分贝叶斯高斯混合模型
• 故障检测
• 过程控制
• 多模态过程
• 参数估值

针对多模态工业过程中模态数量难以确定问题,提出一种层次变分高斯混合模型(hierarchical variational Gaussian mixture model, HVGMM)。在此基础上,使用主多项式分析(principal polynomial analysis, PPA)用于多模态非线性过程故障检测。首先,变分贝叶斯高斯混合模型(variational Bayesian Gaussian mixture model,VBGMM)作为初始模型用于分解过程数据得到工作模态的初始数量,将过程按初始数量分解为多个子块;其次,应用包含多个局部模型的VBGMM将各子块分解为附属子块,并利用附属子块的均值、精度等信息对VBGMM进行重构;然后,将重构后的VBGMM作为初始模型再次用于分解原始过程数据,重复上述步骤直至重构VBGMM无法分解各子块时停止;最后,分别在各附属子块中建立局部PPA模型,并在每个局部模型中计算T2和SPE统计量进行故障检测。将该方法应用于数值例子和Tennessee Eastman (TE)化工过程,并将仿真结果与主元分析(principal component analysis, PCA)、PPA进行对比,验证了所提出方法的有效性。

• 单位
  沈阳化工大学