基于多子空间加权移动窗主成分分析的全厂流程早期故障检测

早期故障的特征不明显,在全厂流程中比常规故障难检测.为了提高全厂流程中早期故障的检测率和灵敏度,将检测视角由全局转移至局部,提出基于多子空间加权移动窗主成分分析(PCA)的早期故障检测方法.使用结合过程知识和数据驱动的双层子空间划分方法,将过程变量划分到不同子空间中.使用加权的移动窗口增大早期故障的偏移量,将局部离群因子(LOF)算法引入PCA,以便进一步关注数据的局部特征,在每个子空间中建立故障检测模型.通过贝叶斯推理融合法对各子空间的监测结果进行信息融合,获得分布式监测结果.通过工业实例验证所提方法的性能.结果表明,所提方法在全厂流程中有效提升了早期故障检测的准确率和灵敏度.