基于DGLPP-SVDD算法的化工过程故障检测

作者：徐静; 王振雷^*; 王昕

来源：控制工程, 2021, 28(12): 2462-2468.

DOI：10.14107/j.cnki.kzgc.CPCC2019-277

• 动态特性
• 全局局部保留投影
• 支持向量数据描述
• 数据降维
• 故障检测

针对实际工业生产中数据间存在动态关系,以及高斯和非高斯混合分布特性,提出动态全局局部保留投影-支持向量数据描述(dynamicglobal-localpreservingprojectionsupport vector data description, DGLPP-SVDD)的故障检测算法。构建动态扩展矩阵代替原始数据集,提高动态过程的监测能力。支持向量数据描述(supportvectordatadescription,SVDD)算法能高效地处理具有非高斯特性的过程数据,故面对高斯和非高斯混合分布的过程时具有较优异的表现,且只需少量数据就能检测出系统处于非正常运行状态,提高了算法的故障检测率。通过田纳西-伊斯曼(Tennessee Eastman, TE)过程仿真研究对全局局部保留投影(global-local preserving projection, GLPP)算法和DGLPP-SVDD算法进行对比。结果表明,在故障误报率均控制在合理范围且相差不大的情况下,DGLPP-SVDD算法的平均故障检测率更高。

• 单位
  华东理工大学; 上海交通大学