改进的基于数据重构的KPCA故障识别方法

王姝^1,2，冯淑敏³，常玉清^1,2，王福利^1,2

1. 东北大学流程工业综合自动化国家重点实验室2. 东北大学信息科学与工程学院3. 上海三一精机有限公司

摘 要：核主元分析(KPCA)方法相对于主元分析(PCA)方法在非线性过程监测方面具有一定的优势,但是KPCA很难找到由特征空间到原始空间的逆映射函数,这给基于KPCA的故障诊断带来了很大的障碍.为此,在KPCA故障数据重构方法的基础上,对故障识别指标进行改进.改进后的方法既能够识别单变量引起的故障,又能识别多变量引起的故障,而且减少了指标计算过程中的运算量,避免了传统故障识别方法只能实现单变量故障追溯的缺陷.将提出的故障识别方法在田纳西过程中进行了仿真研究,结果表明所提方法的有效性.

关键词：数据重构;KPCA;故障识别;非线性;田纳西过程;