摘要：针对复杂系统中关键性能指标(KPI)相关故障检测方法检测精度低的问题,提出基于双层改进潜结构投影(DL-IPLS)的KPI相关故障检测方法.利用协整分析和主元分析建立底层模型,对非平稳和平稳变量进行特征提取.将提取的信息进行融合,建立改进潜结构投影的上层模型,根据融合信息对KPI的贡献进行空间分解.在2个正交子空间中设计统计量,实现KPI相关故障的在线监测.田纳西-伊斯曼过程和青霉素发酵过程的仿真结果表明,在面向工业平稳和非平稳复杂工业系统检测时,所提方法有效提高了KPI相关故障的检测率,降低了KPI无关故障的误报率.

摘要：作为一种典型的多元统计分析方法,偏最小二乘(PLS)被广泛用于对关键性能指标的异常监测。然而,在复杂的工业过程中,数据可能具有动态、非线性特性或者同时具有动态和非线性特性,基于PLS的线性模型不适用于该过程,且可能导致较高的故障误报率。为此,文中提出了一种基于偏最小二乘的多特征提取算法。首先,基于动态内PLS模型(DiPLS)提取动态特征,得到质量相关动态子空间和动态残差子空间,并针对动态残差子空间进行PLS回归建模,以进一步分离静态信息的质量相关特征;然后,将残差子空间向高维投影,构建非线性PLS模型,以提取变量的非线性特征;最后,在各特征空间中构造统计量,设计了完整的多特性混合系统过程监测策略。田纳西-伊斯曼过程的实例分析结果表明,文中提出的方法有较快的故障检测速度,能达到较好的故障检测效果。