一种基于信噪比确定主元个数的方法
作者:
基金项目:

国家自然科学基金(61273131);江苏省产学研联合创新资金(BY2013015-39)


Method Based on the Fault Signal Noise Ratio to Determine the Number of Principal Component
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [10]
  • |
  • 相似文献 [20]
  • | | |
  • 文章评论
    摘要:

    多段主元分析(MPCA)是针对间歇进行故障诊断一种行之有效的方法. 在MPCA中主元个数的确定是模型的关键, 关系到主元模型的可靠性、准确性、完备性. 传统的累积方差贡献率(CPV)方法确定主元个数主观性较大并且没有考虑故障因素. 为了提高检测性能, 有效的提取主元, 文中提出一种信噪比(SNR)与MPCA相结合选取间歇过程主元个数的方法, SNR表明的是故障诊断的灵敏度和主元个数的影响关系, 在确保主元信息充分描述数据的基础上, 该方法考虑了故障的信息对主元个数的影响来选取主元. 将此方法应用于青霉素间歇发酵过程故障诊断中, 仿真结果表明T2统计量和SPE统计量的响应曲线对故障更加敏感, 有效地提高了故障诊断的准确率.

    Abstract:

    Multi-way principal component analysis (MPCA) is an effective method for fault diagnosis in batch processes. In MPCA, the determination of principal component numbers(PCs) is the key to the model, which concerns the reliability, accuracy, completeness of PCA model. The traditional method, using CPV to determine PCs, is too subjective and does not consider the failure factors. In order to improve the detection performance, and effectively extract principal component, this paper proposes a method that is combing SNR with MPCA to select PCs in batch process, SNR indicates the relationship between the sensitivity of fault diagnosis and PCs. On the basis that the principal information fully describes the data ,and considering the influence of fault information on CPs, then it selects principal component. Applying this method to fault diagnosis in penicillin batch fermentation process, the simulation results show that the response curves of T2 statistics and SPE statistics are more sensitive to fault, which effectively improves the accuracy rate of fault diagnosis.

    参考文献
    1 张佳,孙巍,赵劲松,孙美红.多段MPCA法监测间歇过程的故障.计算机与应用化学,2010,27(3):298-302.
    2 赵娟平,陈健,姜长洪.青霉素发酵过程建模研究.计算机仿真,2008,25(2):80-82.
    3 Nomikos P, MacGregor JF. Monitoring batch process using mutil-way principle component analysis. American Institute of Chemical Engineers, 1994, 40(8): 1368-1375.
    4 Choi SW, Morris J, Lee IB. Dynamic model-based batch process monitoring. Chemical Engineering Science, 2008, 63(3): 622-636.
    5 肖应旺.改进的MPCA批过程在线监测方法.控制工程, 2011,18(2):299-303.
    6 张新荣,熊伟丽,徐保国.基于PCA的发酵过程监控模型主元数的确定.计算机测量与控制,2009,17(6): 1120-1122, 1131.
    7 王姝.基于数据的间歇过程故障诊断及预测方法研究[学位论文].哈尔滨:东北大学,2010.
    8 Nomikos P, Mac Gregor JF. Muhivariate SPC charts for monitoring batch processes. Technometries, 1995, 37(1): 41-59.
    9 刘毅,王海清.Pensim仿真平台在青霉素发酵过程的应用研究.系统仿真报,2006,18(12):3524-3527.
    10 刘敏华,萧德云.基于趋势分析和SDG模型的故障诊断.控制理论与应用,2006,23(2):306-310.
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

项亚南,潘丰.一种基于信噪比确定主元个数的方法.计算机系统应用,2015,24(2):200-205

复制
分享
文章指标
  • 点击次数:1195
  • 下载次数: 2513
  • HTML阅读次数: 0
  • 引用次数: 0
历史
  • 收稿日期:2014-06-04
  • 最后修改日期:2014-06-30
  • 在线发布日期: 2015-03-04
文章二维码
您是第11224114位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号