基于张量分解的间歇过程故障诊断方法

摘要

针对间歇过程的三维数据特点和常出现的渐变故障,提出一种基于张量分解的故障诊断方法:累加和的张量主元分析(summed tensor principal component analysis,STPCA)。该方法先结合累积和控制图(CUSUM)对三维样本数据进行累加处理,累积叠加历史信息,然后利用张量分解思想直接对三维数据进行TPCA分解得到投影矩阵U和V,避免传统方法在展开成二维数据过程中破坏原有数据结构问题,最后构造监测统计量,求取置信限建立故障诊断模型。在盘尼西林发酵仿真实验中,将多向主元分析(MPCA)和基于张量分解的TPCA、STPCA方法比较,得出结论:针对过程的跳变故障,TPCA方法检测故障准确有效,对于渐变故障,基于STPCA的过程监控方法故障检测性能更突出。