基于统计量模式分析的T-KPLS间歇过程故障监控

核函数的全影结构投影(total kernel projection to latent structures,T-KPLS)最近在故障监控领域取得了广泛应用,其实质是对数据矩阵的协方差矩阵进行分解,没有利用数据的高阶统计量等有用信息,在进行特征提取时会造成数据有用信息的丢失,导致故障识别效果差。为了解决此问题,提出了统计量模式分析(statistics pattern analysis,SPA)与核函数的全影结构投影法(total kernel projection to latent structures,T-KPLS)相结合的多向统计量模式分析的核函数的全影结构投影法(multi-way statistics pattern analysis total kernel projection to latent structures,MSPAT-KPLS)。该方法首先构造样本的不同阶次统计量,将数据从原始的数据空间映射到统计量样本空间,然后利用核函数将统计量样本空间映射到高维核空间并在质量变量的引导下将特征空间分为过程变量与质量变量相关、过程变量与质量变量无关、过程变量与质量变量正交和残差4个子空间;最后针对与质量变量相关和残差空间建立联合监控模型,当监控到有故障发生时进行故障变量追溯。最后将该方法应用到微生物发酵过程中,并与传统方法进行比较,发现该方法具有更好的监控性能。