| 基于MAGMM-KECA的间歇过程故障诊断方法 |
| |
| 引用本文： | 赵小强,周文伟.基于MAGMM-KECA的间歇过程故障诊断方法[J].兰州理工大学学报,2018(4). |
| |
| 作者姓名： | 赵小强 周文伟 |
| |
| 作者单位： | 兰州理工大学电气工程与信息工程学院;兰州理工大学甘肃省工业过程先进控制重点实验室;兰州理工大学国家级电气与控制工程实验教学中心 |
| |
| 摘 要： | 对具有多阶段操作特性的间歇过程进行建模时,往往忽略了不同阶段间的差异性,没有考虑阶段间的相关特性和过渡特性,影响了过程监控的精确性.针对此问题,提出了多方向自适应高斯混合模型-核熵成分分析(multiple adaptive Gaussian mixture model-Kernel entropy component analysis,MAGMM-KECA)算法,该算法无需先验知识,在自动获取不同阶段高斯模型信息的同时对多阶段进行自适应柔性划分,得到更加精确的高斯模型,解决阶段间的相关特性和过渡特性;再利用KECA处理非线性、高维数据的优越性,分别对不同阶段进行建模,引入CS(Cauchy-Schwarz)统计量对故障进行监控,检测到故障后用贡献图方法诊断出故障变量.通过青霉素发酵过程进行了验证,结果表明所提算法比MPCA、MKPCA算法具有更好的故障诊断精度.
|
| 本文献已被 CNKI 等数据库收录！ |
|
