基于SVDD时段细化的间歇过程故障监控

摘要

针对多向主元分析(MPCA)在间歇过程故障监测应用中经常面临的分段不准确问题，提出了一种新的基于支持向量数据描述（SVDD）的两步分段方法，从而提高分段的准确性和故障监测精度。第一步分段采用机理知识与现场数据相结合的思想，对MPCA 模型的负载矩阵进行修正。将采样时间引入负载矩阵中，增大模型差异性，从而避免了故障数据导致的分段错误。第二步利用支持向量数据描述方法将初步划分的各子时段进一步细分，严格区分各子时段中的稳定与过渡时段，进一步提高分段的准确性。同时，给出基于上述分段技术的间歇过程在线故障监测算法，可以实时地监测现场数据。最后将该方法应用于青霉素间歇过程的在线监测，结果表明该方法能够细致刻画过渡过程信息，较之常规MPCA方法能够更早地检测出故障，并避免了误报。