PCA-CHMM在化工过程故障诊断中的应用

摘要

为了解决主元分析(principal component analysis,PCA)在故障分类方面的不足,提出一种结合PCA和连续隐马尔可夫模型(continuous hidden Markov model,CHMM)的故障诊断方法.PCA对测量数据进行优化降维,用少数几个主元表征过程主要变化信息,实现过程特征提取.但是PCA不能对这些过程变化信息进行有效的分类和识别,运用CHMM成熟的时序模式分类能力能够较好地解决这个问题.通过Tennessee Eastman过程仿真验证了基于PCA和CHMM的故障诊断方法的性能.