一种面向工业过程的质量异常检测与故障量化评估方法

质量异常检测(Quality abnormality detection, QAD)与故障量化评估(Fault quantitative assessment, FQA)作为工业过程监控的关键环节,是故障诊断领域的研究热点.本文提出了一种新的工业过程质量异常检测与故障量化评估方法.首先,采用弹性网络(Elastic net, EN)算法构建了质量相关的变量候选集,借助典型相关分析(Canonical correlation analysis, CCA)构建了质量相关的特征向量,并引入支持向量数据描述(Support vector data description, SVDD)实现质量异常检测.其次,从优化近邻点距离的角度提出了增强局部线性嵌入(Enhanced local linear embedding, ELLE)算法,并提出了基于CCA-ELLE的质量异常故障量化评估方法.最后,通过田纳西-伊斯曼(Tennessee-Eastman, TE)过程进行仿真验证,并与传统的方法进行对比分析,实验结果验证了所提方法的优越性和有效性.