科研之友
微信
新浪微博
Facebook
分享链接
摘要
动态内偏最小二乘方法（Dynamic internal partial least squares, DiPLS）是基于数据驱动的潜结构投影（Partial least squares, PLS）的动态扩展算法,用于动态特征提取和关键性能指标预测.在大型装备系统中,传感器采集的当前时刻样本受历史样本的影响且可能包含较大噪声.在动态特征提取中,因DiPLS算法未按降序提取主成分,导致残差空间仍存在较大变异,动态和静态信息难以有效分离,影响故障检测性能.为此,提出了一种基于动态内全潜结构投影的故障检测方法（Dynamic internal total PLS, DiTPLS）.首先使用动态内偏最小二乘方法和向量自回归模型（Vector autoregressive model, VAR）建立动态模型并检测故障,用于捕捉质量相关动态信息;基于结构化动态主成分分析（Structured dynamic principal component analysis, DPCA）算法建立一种改进的动态潜在变量模型（Dynamic latent variable model, DLV）,用于残差分解,提取质量无关的动态信息和静态信息,并构造合适的统计量进行故障检测.数值仿真和田纳西-伊斯曼（Tennessee-Eastman, TE）过程实验验证了DiTPLS算法的有效性.
- 单位
