改进的两步动态慢特征分析算法及其故障检测模型

针对两步动态慢特征分析(two-steps dynamic slow feature analysis,TS-DSFA)未充分考虑动态工业过程数据的高阶时序相关特性的问题,提出改进的两步动态慢特征分析算法(modified dynamic slow feature analysis,MDSFA).首先,在TS-DSFA算法基础之上,重新描述慢特征关于时间的导数估计公式,设计了同时满足所提取的特征变化最缓、高阶时序自相关性最大的优化目标函数;然后,以动态潜变量能捕获一些变化信息并相互正交为约束,提取出一组随时间慢速变化和具有显式动态自回归表示的潜在特征;最后,基于所提出的算法构建针对线性动态过程的故障检测模型,并计算统计量及其相应控制限,实现实时动态过程的稳态故障和动态故障检测.通过对数值系统和田纳西–伊斯曼过程进行仿真验证,证明了所提算法的故障检测效果优于动态内部主成分分析和TS-DSFA算法等已有的故障检测算法.