PCA-CHMM在化工过程故障诊断中的应用

作者：周韶园; 王树青; 张建明

来源：浙江大学学报(工学版), 2005, (10): 17-22.

• 主元分析
• 隐马尔可夫模型
• 故障诊断
• TennesseeEastman过程 principle component analysis
• hidden Markov model
• fault diagnosis
• Tennessee Eastman process

为了解决主元分析(principal component analysis,PCA)在故障分类方面的不足,提出一种结合PCA和连续隐马尔可夫模型(continuous hidden Markov model,CHMM)的故障诊断方法.PCA对测量数据进行优化降维,用少数几个主元表征过程主要变化信息,实现过程特征提取.但是PCA不能对这些过程变化信息进行有效的分类和识别,运用CHMM成熟的时序模式分类能力能够较好地解决这个问题.通过Tennessee Eastman过程仿真验证了基于PCA和CHMM的故障诊断方法的性能.

• 单位
  工业控制技术国家重点实验室; 机电工程学院; 苏州大学