基于核函数的非线性故障诊断新策略：KCVA方法

本文介绍了一种创新的非线性故障诊断方法，称为基于核规范变量分析（KCVA）。KCVA的核心思想是将非线性问题映射到高维线性空间，以克服高维数据处理的复杂性和非线性映射函数的局限性。这种方法首先通过核函数，如常用的径向基函数（RBF），实现从原始的非线性特征空间到一个高维线性空间的转换，使得原本难以处理的非线性问题在新的空间中变得相对容易处理。 在转换后的线性空间中，利用规范变量分析（CVA）来构建和识别状态空间模型，这是一种统计建模技术，可以从有限的数据集中提取状态信息，有助于对过程运行状态进行监控。作者选择三个监测量（Tr2, Ts2, Q）作为输入，这些量被用于故障检测，它们能够有效捕捉到潜在的异常情况。 贡献图在此方法中发挥关键作用，它可以帮助区分故障变量，进而确定故障的具体原因。通过贡献图，可以直观地理解每个变量对故障诊断结果的贡献程度，从而支持更精确的故障定位和分析。 实验证明，当应用在化学反应器CSTR系统上时，KCVA相较于主元分析法（PCA）和传统的CVA方法表现出更高的故障检测灵敏度，以及更有效的过程变化监控能力。这表明KCVA具有显著的优势，尤其在处理复杂的非线性过程故障诊断任务时，能够提供更为精确和可靠的结果。 邓晓刚和田学民两位作者，分别来自中国石油大学（华东）信息与控制工程学院，他们的研究工作得到了国家863计划项目的资助，这体现了他们对该领域研究的深入和专业性。文章强调了KCVA在非线性过程故障诊断领域的应用前景和实际价值，对于提高工业过程控制的稳定性和效率具有重要的理论和实践意义。