基于DiPCA的故障预测算法研究

故障预测作为一种能够实现对故障“未卜先知”,进而可以提前干预的故障诊断技术,近年来受到了越来越多的关注。提出了一种基于动态内部主元分析(DiPCA)的故障预测算法,并针对田纳西-伊斯曼(TE)化工过程进行了仿真研究。与传统的主元分析(PCA)算法不同,DiPCA考虑了数据沿时间维度的动态变化,通过构建动态隐含变量及其数学模型,捕获数据中主要的动态特性,进而根据历史数据推演出系统的未来变化,更适用于系统的故障预测问题。研究表明该算法在阶跃变化、随机变化和粘滞等不同类型的故障下均能提前预报故障的发生,验证了算法的有效性。