质量相关多模态故障检测：基于偏最小二乘的新型方法

"该文基于偏最小二乘(PLS)方法，提出了一种新的质量相关多模态故障检测技术，旨在解决复杂工业过程中非线性、动态和多模态故障检测的问题。文中提出的新规则结合了核模糊聚类和质量相关指标，以更精确地识别不同的操作模态，并通过改进动态控制限来适应过程复杂性的增加。在青霉素发酵过程的故障检测实验中，新方法显著降低了漏报率和误报率，数值仿真进一步证实了添加线性递增时间变量的有效性。" 文章深入探讨了偏最小二乘(PLS)算法在故障检测中的应用，尤其是在处理非线性和动态变化的工业过程时所面临的挑战。传统的PLS方法主要适用于稳定工况，但在实际工业环境中，数据往往呈现非正态分布，且包含非线性、动态效应以及多模态特征。多模态是指过程可能存在的多种不同运行状态或模式，这对故障检测提出了更高的要求。 为了解决多模态问题，文章提出了一个新的质量相关模态区分规则。这一规则首先利用核模糊聚类对包含线性递增时间变量的数据进行初步聚类，以捕捉时间上的变化模式。接着，通过引入质量相关指标，可以更精确地划分出不同的操作模态，特别适合那些需要考虑质量因素的质量相关类算法。 在过程复杂性日益增加的背景下，静态控制限已经无法满足故障检测的需要。因此，作者还改进了动态控制限，发展出一种广义动态综合控制限，扩大了其适用范围，以适应更广泛的故障检测场景。 实验部分，研究者运用两种非线性PLS模型，将新方法应用到青霉素发酵过程的故障检测中，结果表明新方法极大地降低了漏报率和误报率，证明了其在实际工业问题中的有效性。此外，数值仿真实验进一步验证了添加线性递增时间变量作为输入变量的合理性，强调了时间变量在区分不同模态和提高故障检测性能方面的重要性。 总结来说，这篇论文提供了一个创新的解决方案，它结合了PLS、核模糊聚类和质量相关指标，以及改进的动态控制限，对于复杂工业过程的多模态故障检测具有重要的理论与实践价值。