基于支持向量数据描述的非高斯过程故障重构与诊断

张建明; 葛志强; 谢磊; 宋执环; 王树青

您当前的位置：

首页 >

文章列表页 >

基于支持向量数据描述的非高斯过程故障重构与诊断

过程系统工程 | 更新时间：2025-12-10

- 基于支持向量数据描述的非高斯过程故障重构与诊断
- Non-Gaussian process monitoring and fault reconstruction and diagnosis based on SVDD
- 化工学报 2009年第1期页码：168-171
- 作者机构：
  
  1. 浙江大学智能系统与控制研究所，工业控制技术国家重点实验室
  2. 浙江大学工业控制技术研究所，工业控制技术国家重点实验室
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 网络首发：2009-01-05，
  
  纸质出版：2009-01-05
- 稿件说明：
移动端阅览
张建明, 葛志强, 谢磊, 等. 基于支持向量数据描述的非高斯过程故障重构与诊断[J]. 化工学报, 2009,(1):168-171.

ZHANG Jianming, GE Zhiqiang, XIE Lei, et al. Non-Gaussian process monitoring and fault reconstruction and diagnosis based on SVDD[J]. CIESC Journal, 2009, (1): 168-171.
张建明, 葛志强, 谢磊, 等. 基于支持向量数据描述的非高斯过程故障重构与诊断[J]. 化工学报, 2009,(1):168-171. DOI：

ZHANG Jianming, GE Zhiqiang, XIE Lei, et al. Non-Gaussian process monitoring and fault reconstruction and diagnosis based on SVDD[J]. CIESC Journal, 2009, (1): 168-171. DOI：

摘要

提出一种基于支持向量描述（SVDD）的统计过程监控与故障重构及诊断算法，避免了PCA、PLS等传统统计过程监控方法假设过程数据服从高斯分布的不足。鲁棒故障重构算法通过迭代保证重构后的数据对应的SVDD监控统计量最小化。诊断算法根据故障集中的不同故障重构后监控统计量是否恢复正常，确定实际发生的过程故障。CSTR过程的仿真研究表明了所提出方法的有效性。

Abstract

A novel support vector data description（SVDD）statistical process monitoring and fault reconstruction & isolation approach is proposed to address non-Gaussian multivariate process systems and overcome the deficiencies of traditional PCA and PLS methods.A robust iterative approach is involved to reconstruct the fault signals and minimize the SVDD monitoring statistics.By comparing the reconstructed statistics with different fault candidates，a fault diagnosis strategy is proposed to isolate the actual process fault.A study of the application in CSTR simulation demonstrates the efficiency of proposed method.

关键词

Keywords

references

浏览量

612

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于基因表达式编程的化工过程故障诊断知识抽取

一种基于改进MPCA的间歇过程监控与故障诊断方法

化工过程危险剧情分类及SDG定性识别方法

基于二阶互信息特征选取的TE过程故障诊断

基于SDG模型的控制系统故障诊断方法