控制与决策

作者：姚远,佟佳蓉,高军,王姝,宋圣军

单位：国网辽宁省电力有限公司 电力科学研究院,沈阳 110006,,东北大学 信息科学与工程学院,沈阳 110004$ $,,东软集团股份有限公司,沈阳 110179,,东北大学 信息科学与工程学院,沈阳 110004$ $,,国网辽宁省电力有限公司, 沈阳 110006,

关键词：发电机组;流形学习;DLPPCA;在线监测;故障诊断;支持向量机

基金：国家重点研发计划项目(2017YFB0902100).

针对工业过程动态性及非线性强等特点,提出一种基于动态局部保持主成分分析法的过程监测方法.该方法通过构造扩展矩阵来解决动态过程中各采样点间相关性强的问题,并将局部保持投影(LPP)与主成分分析法(PCA)相结合从而实现提取流形结构的最大方差信息.在此基础上,针对复杂工业过程变量复杂多变、呈不同特性的特点,提出基于分层分块DLPPCA-SVM(dynamic locality preserving principal component analysis-support vector machine,DLPPCA-SVM)的过程监测及故障诊断方法,该方法针对不同特性的子块分别采用DLPPCA和PCA进行建模,并利用支持向量机进行故障诊断.将该方法用于田纳西-伊斯曼(TE)化工过程和发电机组的在线监测和故障诊断,仿真结果验证了所提出方法的有效性.

来源：2022年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第5期