基于FCM建模的DKICA间歇过程故障诊断

由于对间歇过程应用KICA算法进行在线监控时需要预测从当前时刻到反应结束时刻的测量数据,同时间歇过程具有多个生产模态,应用KICA算法进行独立建模时,模型结构复杂,计算量大。针对间歇过程数据预估不准确和多模态计算量大的问题,提出了一种基于FCM聚类建模的双核独立元分析(DKICA)间歇过程故障诊断算法,该算法首先对间歇过程数据进行批次展开与变量展开,构建二维建模数据单元,然后将展开后的高维数据按FCM聚类进行分类,再对分类后的每个聚类模块应用DKICA算法提取独立元,建立每个聚类模块的诊断模型,并计算I^2和SPE统计量及相应的控制限,跟踪过程的运行状态,及时检测到故障的发生。将该方法应用于DuPont间歇聚合反应过程中,仿真结果验证了所提出方法的可行性和有效性,并显示出比KICA更好的诊断效果。

基于双核独立元分析的化工过程故障诊断算法研究

由于化工生产过程数据具有强非线性和非高斯性特征,提出了核主元分析与核独立元分析相结合的可用于化工过程故障诊断的双核独立元分析算法,该算法利用核主元分析的非线性核函数把数据从原空间映射到高维特征空间进行白化预处理,再用核独立元分析算法进行独立元分析,在特征空间中获得故障监控统计量,计算控制置信限,达到有效的故障诊断.提出的算法应用在连续搅拌反应釜过程中,结果表明,该算法对化工过程故障诊断能有效提高准确度、降低漏报率和误报率.