改进的HOS-MKEPLS方法:提高间歇过程故障检测与变量追溯性能
需积分: 13 200 浏览量
更新于2024-08-12
收藏 880KB PDF 举报
本文主要探讨了基于质量相关的间歇过程故障监测与故障变量追溯的方法,特别关注的是如何改进多向核熵偏最小二乘(MKEPLS)算法,以克服其在处理数据时仅考虑一阶和二阶统计特性而忽视高阶统计特性导致的有用信息丢失问题。MKEPLS通常用于特征提取,但这种局限可能导致在复杂工业过程中对故障检测和诊断的有效性下降。
文章首先提出了基于高阶统计量的多向核熵偏最小二乘方法(HOS-MKEPLS)。HOS-MKEPLS的关键步骤包括:首先,通过构建样本的高阶统计量,如Skewness(偏度)和Kurtosis(峰度)等,将原始数据从一维的数据空间映射到一个包含更高维度信息的高阶统计量样本空间。这样做可以更好地捕捉数据中的非线性和复杂模式,这些模式往往与故障信号相关。
接着,利用这个新的高阶统计量样本空间,构建MKEPLS模型进行故障监控。这个模型能够更有效地检测间歇过程中的异常情况,从而及时发现潜在的故障。当监控系统检测到故障时,HOS-MKEPLS还具备故障变量追溯的能力,即回溯故障发生的源头,帮助分析人员确定故障原因。
为了验证HOS-MKEPLS的有效性,论文将这种方法应用到了工业青霉素发酵过程的故障监测实验中,并将其与传统的MKEPLS进行了对比。实验结果显示,HOS-MKEPLS在故障识别和监控性能上显著优于MKEPLS,证明了高阶统计量的引入对提高间歇过程故障监测的准确性至关重要。
此外,该研究还得到了国家自然科学基金和高等学校博士学科点专项科研基金的支持,体现了学术界对间歇过程监控与故障诊断领域的持续关注。作者常鹏和高学金的研究工作着重于间歇过程控制和复杂系统的建模,他们希望通过这种方法的开发,提升工业过程的稳定性和效率。
这篇文章对于工程师和研究人员来说,提供了一种有效的故障监测策略,特别是在处理间歇过程数据时,利用高阶统计量增强特征提取和故障识别能力,这对于提高制造业的质量控制和维护具有实际价值。
2023-05-14 上传
2023-04-06 上传
2023-03-27 上传
2023-03-29 上传
2024-02-22 上传
2023-05-25 上传
2023-05-26 上传
2024-03-12 上传
2023-05-18 上传
weixin_38569675
- 粉丝: 4
- 资源: 980
最新资源
- 彩虹rain bow point鼠标指针压缩包使用指南
- C#开发的C++作业自动批改系统
- Java实战项目:城市公交查询系统及部署教程
- 深入掌握Spring Boot基础技巧与实践
- 基于SSM+Mysql的校园通讯录信息管理系统毕业设计源码
- 精选简历模板分享:简约大气,适用于应届生与在校生
- 个性化Windows桌面:自制图标大全指南
- 51单片机超声波测距项目源码解析
- 掌握SpringBoot实战:深度学习笔记解析
- 掌握Java基础语法的关键知识点
- SSM+mysql邮件管理系统毕业设计源码免费下载
- wkhtmltox下载困难?找到正确的安装包攻略
- Python全栈开发项目资源包 - 功能复刻与开发支持
- 即时消息分发系统架构设计:以tio为基础
- 基于SSM框架和MySQL的在线书城项目源码
- 认知OFDM技术在802.11标准中的项目实践