基于CUS-MICA的间歇过程故障诊断

针对间歇过程中出现的缓慢变化故障,提出一种累加求和的多向独立成分分析(CUS-MICA)方法,用于间歇过程监控。首先,把收集到的正常工况下的间歇过程三维训练样本数据按变量展开成二维形式,然后,对标准化后的二维数据应用独立成分分析(ICA)方法得到相互独立的独立成分及其重构残差。为更好地检测出间歇过程中的微小偏移和缓变型故障,结合累积和(CUSUM)控制图思想,对提取出的独立成分和残差累加求和,以此分别构造2I和SPE统计量,建立CUS-MICA模型用以监控过程变化。在盘尼西林发酵过程上的仿真研究结果表明,CUS-MICA方法能更快地检测出间歇过程中故障的发生,尤其对缓慢变化型故障的检测效果明显优于传统的MICA方法。