南京理工大学学报J u n l N.pdf

第2,9卷增刊 南 京 理 工 大 学 学 报 Vol Supp 2005年 10月 JournalofNamingUniversityofScienceandTechnol Oct2005 一种非线性主元分析方法在TE过程中的仿真研究 吴昌应 ，刘 飞 (江南大学控制科学与工程研究中心，江苏无锡214122) 摘 要:主元分析方法是一种线性的统计方法，对一些线性的问题能给出非常好的监控效果，但大多 数工程实际问题都是非线性的，在非线性的问题中用线性的方法有时候会产生适得其反的结果。该 文结合了主元分析和神经网络来处理非线性的问题，仿真表明:这种方法能有效地处理一些非线性 的问题。 关键词:主元分析;神经网络;故障检测;TE过程 中图分类号:TP206.3 文献标识码:A 文章编号:1005一9830(2005)S0一0172一04 TEProcesswithNonlinearPrincipalComponentAnalysis WUChang-ying，LIUFei (CenterofControlandEngineering,SouthernYangtzeUniversiyt,Wuxi214122,China) Abstract:Principal analysisisalinearstatisticmethod，butmostengineeringproblemsarenonlinear. UsinglinearPCAmethodinnonlinearproblemscanbringdistortedormisleadingresults.Inthispaper,aNLP- CAthatintegratesPCAandneuralnetworkisusedtodealwiththese .Theresultsofthesimulation showthemethodisexcellentforsolvingnonlinearprincipalcomponentproblems. Keywords:principalcomponentanalysis;neuralnetwork;faultdetection;TEprocess 由于化工、生物等一些复杂过程中测量变量的 离了正常的操作区域并诊断引起状态偏移的原因。 日益增多，且内部的相互关联性日益增强，对这一类 但对于一些非线性很强的过程，线性主元分析往往 过程实施有效的监控就显得尤为重要。近年来，主 不能十分有效地对数据进行维数压缩[’〕。基于此， 元分析方法(Principalcomponentanalysis,PCA)作为 Hasti。提出了一种基于主元曲线的PCA方法[41, 一种基于历史数据的过程监控和故障诊断技术受到 Krame:提出了一种基于自组织神经网络的PCA[s长 了学术界和工业界的广泛关注[1,21。通过主元分 Dong.D等提出了一种基于神经网络和主壳曲面的 析，把很多相互关联的过程变量压缩成几个主元’「」， 非线性PCA的方法 〔“〕。Tan将输人自调整神经网络 过程操作人员可以在这个低维的主元空间里监控生 引入PCA[7l。本文讨论了非线性PCA方法在过程 产过程，通过构造各种信息统计量，如SPE,产统计 监控中的应用，并改进了输人训练神经元网络的方 量，对过程运行状况进行系统分析，判断过程是否偏 法，即同时训练网络的输人和权重，求取非线性主 收稿日期 2005一05一25 作者简介 @126.com; 吴昌应(1980一)，男，安徽铜陵人，硕士生，主要研究方向:过程监控与故障诊断，E一二1;petrelwcy 通讯作者:刘飞(1965一)，男，安徽宣城人，教授，博士，主要研究方向:先进控制理论等，E一二1fliu@thmz. com a 总第 144期 吴昌应 刘 飞 一种非线性主元分析方法在TE过程中的仿真研究