基于KPCA-ARIMA模型的TE过程故障预测

摘要

以TE过程作为研究对象,主要选取过程中的故障8作为研究对象,提出了一种基于KPCA-ARIMA的建模方法来实现故障预测.首先采用核主元分析(KPCA)的方法对过程变量数据进行非线性映射,通过计算累计贡献率的方法进行主元特征提取,降低特征变量之间的非线性相关性,然后根据平方预测误差(SPE)和Hotel ing's T2的方法来检测过程中是否发生异常,以及故障发生的位置时间点.最后对得到的T2和SPE序列进行差分得到平稳序列,采用求和自回归滑动平均(ARIMA)模型分别对故障检测指标T2统计量和SPE统计量进行了最后50步的故障趋势预测.通过查看预测数据与实际数据的拟合程度,可以验证文中方法对TE过程中的故障有较准确的趋势预测,说明了该方法是有效的.