控制与决策

作者：刘金平,王杰,刘先锋,唐朝晖,马天雨,肖文辉

单位：湖南师范大学智能计算与语言信息处理湖南省重点实验室，长沙410081,,湖南师范大学智能计算与语言信息处理湖南省重点实验室，长沙410081,,湖南师范大学智能计算与语言信息处理湖南省重点实验室，长沙410081,,中南大学自动化学院，长沙410083,,湖南师范大学智能计算与语言信息处理湖南省重点实验室，长沙410081;湖南师范大学物理与电子学院，长沙410081,,中南大学自动化学院，长沙410083,

关键词：递归稀疏主成分分析;工业过程故障监测;弹性回归网;田纳西-伊斯曼过程

基金：国家自然科学基金项目(61971188,U1701261,61771492)；湖南省自然科学基金项目(2018JJ3349)；图像信息处理与智能控制教育部重点实验室(华中科技大学)开放基金项目(IPIC2017-03)；湖南省研究生科研创新项目(CX2018B312).

提出一种基于递归稀疏主成分分析(recursive sparse principal component analysis,RSPCA)的工业过程故障监测与诊断方法,可用于时变工业过程的自适应故障监测与诊断.通过引入弹性回归网,将主成分问题转化为Lasso与Ridge结合的凸优化问题,采用秩-1矩阵修正对协方差矩阵进行递归分解,递归更新稀疏载荷矩阵和监测统计量的过程控制限,以实现连续工业过程长时间自适应故障监测,对检测出来的故障通过贡献图法实现对故障的诊断.在田纳西-伊斯曼(TE)过程进行实验验证,结果表明,与传统的故障监测方法相比,所提出的方法有效降低了故障漏检率和误报率,且时间复杂度低,确保了故障监测的灵敏度和实时性.

来源：2020年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2020年第8期