摘要：针对在凝汽器系统运行过程中,各模态的过程特性和统计特征差异明显,所产生的单一故障检测模型不适用于复杂的多模态过程检测的问题,提出一种面向多模态过程的凝汽器故障诊断方法。该方法通过将K-Means聚类算法与主成分分析方法进行融合以构建故障检测模型,并获得故障状态样本。通过重构主成分分析方法对故障变量进行分析与分离,并将故障变量重构残差作为故障特征向量,经过分类器识别故障类别。通过与其他三种特征提取方法进行对比分析,所提出的方法准确度高,在凝汽器故障的多模态过程分类问题上优势明显,为电厂的智能化运行监测系统的设计与实现提供了参考。

摘要：针对协方差结构具有显著差异的多模态过程故障检测问题,本文提出一种基于密度标准误差的局部保持投影故障检测策略(LPP-DSE).首先,根据样本距离矩阵确定样本截止距离;接下来,应用截止距离计算每个样本的本质密度及其前k近邻样本的估计密度;最后,通过样本的密度误差及其k近邻密度的标准差构建统计量并完成过程监控.本文方法通过应用局部保持投影(LPP)对过程数据进行维数约减可以保证过程监控的及时性;同时,通过设计密度标准误差(DSE)统计量可以有效提高多模态过程的故障检测率.此外,本文给出基于贡献图的诊断方法能够准确识别故障发生的原因.通过数值例子和半导体工业实例测试,并与主元分析、邻域保持嵌入、局部保持投影、k近邻故障检测等方法比较,实验结果进一步验证了LPP-DSE方法的有效性.