基于故障重构的故障识别

2012年03月20日16:02:16 本网站我要评论(2)字号：T | T | T

肖应旺
华南师范大学南海校区计算机工程系，广东佛山

摘　　　要：针对基于主元分析（ＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ，ＰＣＡ）的统计过程性能监测法，尽管不依赖于精确的数学模型，然而却限制了其在故障诊断方面的能力问题，在故障重构技术的基础上，研究了基于统计量的故障诊断问题，获得了主元子空间中故障可重构性的理论条件，提出了故障识别指标和诊断算法。通过对双效蒸发过程的仿真监测，表明了所获得的结果能对故障（传感器故障和过程故障）进行有效地识别，证实了所获理论结果的有效性。

关　键　词：故障重构；故障识别；双效蒸发过程

１　引　言

基于ＰＣＡ（ＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ；ＰＣＡ）的统计监控法，依赖数据，依赖过程知识较少，因此，一定程度限制了故障诊断能力的发展［１２］。目前，在统计性能监控框架内，故障诊断法主要包括以下三种：①由Ｎｏｍｉｋｏｓ和ＭａｃＧｒｅｇｏｒ较早提出的均方预测误差（ＳｑｕａｒｅｄＰｒｅｄｉｃｔｉｏｎＥｒｒｏｒ；）贡献图法。但这种方法太过粗略，易引起误诊［４］。②Ｇｅｒｔｌｅｒ等提出的结构化残差法［５］。此方法的不足之处在于只能显示判断的故障信息。③基于信号重构的方法。信号重构方法的思路较早由Ｄｕｎｉａ等人提出的故障子空间的概念［６］，从而将过程工艺信息融入数据驱动的ＰＣＡ统计模型中，为ＰＣＡ理论的深入发展提供新的思路，因此近年来得到了较大的发展［７］。后续的研究基本都沿着相同的思路［８９］。然而基于故障子空间的几何分析法，只利用了ＰＣＡ统计模型中的ＳＰＥ统计量（在残差子空间中），对于那些影响表现在主元子空间内的故障的诊断效果较差，因而局限性很大［１０］。

登录网站后可下载文件

基于故障重构的故障识别

相关阅读: