基于PPA的多元统计分析方法在过程故障诊断的应用

作者：汪庆宁; 杨鑫^*; 戴一阳

来源：计算机与应用化学, 2018, 35(10): 821-832.

DOI：10.16866/j.com.app.chem201810005

• 多元统计分析方法
• PPA
• PCA
• 故障诊断
• Tennessee-Eastman过程

在使用多元统计分析方法进行故障诊断时,特征提取的结果往往决定着故障诊断的效果。其中主元分析方法(PCA)由于操作简单、计算复杂度低、直观解释好等特点一直被广泛地用于特征提取,但是当数据中各变量之间存在明显的非线性相关性时,若采用PCA进行特征提取则会导致数据信息的缺失。过去有许多学者提出了对PCA进行改进的方法,其中最为经典的改进是在PCA的基础上引入核函数形成的核主元分析法(KPCA),KPCA虽然能有效的进行非线性特征提取,但是该方法的计算复杂度较大;近年来,有学者提出利用主曲线的理论观点来改进PCA,并提出了主元多项式分析法(Principal Polynomial Analysis,PPA),研究表明该方法不仅能有效地提取出非线性特征而且还具有简单、计算复杂度低、直观解释性好等特点。因此,本文提出了一种基于PPA的多元统计分析方法,并将其应用于复杂的Tennessee-Eastman(TE)过程中进行故障诊断,并与基于PCA的诊断效果和基于KPCA的诊断效果进行对比,最终仿真实验表明基于PPA的多元统计分析方法在诊断速度和诊断效果上有着明显的优势。

• 单位
  西南石油大学; 化学化工学院; 重庆理工大学