信息散度与非线性过程故障检测：一种新方法

"基于信息散度的过程故障检测与诊断 (2010年)，作者：曹玉苹，田学民，发表于浙江大学学报(工学版)，2010年7月，第44卷第7期" 这篇论文探讨了一种针对非线性过程的故障检测与诊断的新方法，主要利用了信息散度这一统计量来识别和分析系统中的异常。在传统的卡尔曼滤波框架下，新息（innovation）通常包含了系统的非高斯特性，而这些特性对于故障检测尤其关键。作者提出的方案是通过unscented卡尔曼滤波（UKF）来生成新息序列，UKF是一种用于非线性系统的滤波算法，能有效处理非高斯分布的状态更新。 UKF产生的新息序列随后被用来进行概率密度函数的估计，这里采用的是核密度估计（KDE）方法。KDE是一种非参数统计技术，它能够估计任意形状的概率分布，无需事先知道分布的具体形式，这对于处理复杂的非高斯分布尤为有用。通过KDE，论文构建了一个信息散度统计量，这个统计量可以实时监控过程的运行状态，一旦检测到显著的偏差，即可能表示发生了故障。 当系统检测到故障发生时，对称信息散度被引入来评估待诊断过程与预先建立的故障库中各类故障之间的相似度或差异。对称信息散度是一种衡量两个概率分布差异的度量，它可以用于计算两个分布的“距离”，从而帮助识别出最可能的故障类型。这种方法提供了一种量化比较不同故障模式的手段，有助于准确地定位故障源。 通过在连续搅拌反应器（CSTR）的仿真研究中应用该方法，结果显示，该信息散度为基础的故障检测与诊断策略能有效地及时发现故障，并准确判断故障类型，验证了其在实际工业过程中的潜力和有效性。这一研究对于提升工业过程的安全性和可靠性具有重要的理论和实践意义，特别是在那些非高斯特性和复杂动态行为显著的系统中。 关键词涉及了故障检测与诊断的核心概念，包括信息散度、核密度估计以及unscented卡尔曼滤波，这些技术是理解和应用该论文的关键。中图分类号将其归类为TP277，即自动化技术与仪器仪表领域，文献标志码A则表明这是一篇原创性的科研论文。文章编号1008-973X(2010)07卢1315-06提供了论文在期刊中的具体位置信息，方便后续引用和查找。