基于改进高效偏最小二乘的质量相关故障诊断

高效偏最小二乘(EPLS)作为偏最小二乘(PLS)的扩展算法之一,在质量相关故障检测中取得了良好的应用效果.然而,研究发现当系统中存在一些与产品质量无关的信息时会导致EPLS的检测率降低,影响工业生产安全及效益.同时,传统的基于贡献图的故障诊断方法在无故障时输入变量会对故障检测指标的贡献值不均等,从而影响故障诊断效果.针对上述问题,本文提出了一种改进高效偏最小二乘(IEPLS)的质量相关故障诊断方法.所提方法首先用正常数据建立IEPLS算法模型,利用获得的模型参数对过程变量进行空间分解.然后在分解后的空间中定义局部信息增量均值和局部动态阈值,结合故障判据进行故障检测.当故障发生后,利用每个变量的新息矩阵计算对故障总体的新息贡献率,根据各个变量新息贡献率大小实现对故障变量的定位.最后,使用田纳西伊士曼过程(TEP)对算法性能进行了验证.