在针对将核主元分析(kernel principal components analysis,KPCA)与基于高斯分布的控制限(control limits,CLS)相结合会降低其性能的问题,提出了一种基于核主元分析与核密度估计(kernel principal components analysiskernel density estimation,KPCA-KDE)相结合的非线性过程故障监测与识别方法.该方法采用核密度估计(kernel density estimation,KDE)技术来估计基于KPCA的非线性过程监控的CLS.通过研究KPCA和KPCA-KDE所有20个故障的检出率发现,与相应的基于高斯分布的方法进行比较,KDE具有较高的故障检出率;此外,基于KDE的检测延迟等于或低于其他方法.通过改变带宽和保留的主元数量进行故障检测,KPCA记录的FAR值较高,相反,KPCA-KDE方法仍然没有记录任何假报警.在田纳西伊斯曼过程(Tennessee Eastman,TE)上的应用表明,KPCA-KDE比基于高斯假设的CLS的KPCA在灵敏度和检测时间上都具有更好的监控性能.
展开▼
