基于改进MVU的非线性动态过程故障检测方法.pdfVIP

学兔兔 第34卷 第9期 仪 器 仪 表 学 报 Vo1．34 No．9 2013年9月 Chinese Journal of Scientific Instrument Sep．2013 基于改进MVU的非线性动态过程故障检测方法 陈如清 (嘉兴学院机电工程学院 嘉兴 314001) 摘 要：针对化工过程数据的非线性和动态性分布特征，引入Laplacian特征映射(LE)，提出了一种基于改进最大方差展开 (MVU)的特征提取算法。在改进算法中，局部以欧式距离、全局以测地线距离为尺度度量数据间差异性，以更好反映数据内在 几何性质；此外，借鉴LE算法思路，通过最小化近邻点间距离实现流形结构保持。改进算法兼具全局特性保持和局部流形学 习能力，计算效率也有较大提高。将其用于提取非线性动态过程高维数据子流形特征，利用SVDD在特征空间建立故障检测模 型，构造统计量并确定其控制限。TE过程仿真及丙烯聚合过程实验研究表明改进方法能有效挖掘过程特征信息、监控过程变 化并及时检测故障发生，故障检测率较传统方法有显著提高。 关键词：最大方差展开；Laplacian特征映射；SVDD；非线性动态过程；故障检测 中图分类号： I 77 文献标识码：A 国家标准学科分类代码：120．5010 Improved MVU based fault detection method for nonlinear and dynamic process Chen Ruqing (College of Mechanical and Electrical Engineering，Jiaxing University，Jiaxing 314001，China) Abstract：Modem chemical process data always show strong nonlinear and dynamic behaviors．In this paper，an im— proved Maximum Variance Unfolding(MVU)based feature extraction method is proposed through introducing Lapla— cian eigenmap(LE)algorithm．In the improved method，the differences between data points are measured with Eu— clidean distance in locality and geodesic distance in globality，which can reflect the inherent geometric characteristics preferably．Moreover，inspired by the concept of LE，the distances between neighbor points are minimized to preserve the manifold structure．The improved algorithm has the abilities of global property preserving and local manifold learn— ing．Meanwhile，the computing efficiency of the algorithm is enhanced greatly．The p