基于OSC-DPLS模型的故障诊断方法研究

现代工业生产中,系统的安全性和可靠性显得尤为重要。为了保障生产安全可靠运行,结合一种数据预处理方法—正交信号修正(OSC),提出了基于OSC-DPLS模型的故障诊断方法。利用OSC方法对过程数据进行预处理,并对处理后的数据建立DPLS模型,从而在简化模型的同时,大大降低了误报率,显示了更好的诊断效果。对TE过程的仿真结果表明了所提出算法的可行性及有效性,及其比普通的DPLS模型更好的诊断效果。

基于DPLS方法的故障检测性能研究

针对Tennessee-eastman(TE)过程,研究了判别式部分最小二乘(Discriminant PLS,简记为DPLS)和传统部分最小二乘(Partial Least-Squares,简记为PLS)的故障检测问题.对两种方法的故障检测性能进行了比较研究,其比较借助故障检测图和故障检出率实现.将两种方法分别应用于对TE过程四类典型故障的检测中,结果表明:PLS和DPLS都能很好地检测出对过程影响较大的故障,而DPLS能更好地检测出对过程影响较小的故障.该分析结果为今后的研究提供了参考,有助于故障检测方法研究的进一步发展.