×
王凯;郭志英;王亚林;袁、晓峰

过程相关故障乘法故障模型的在线重构和可诊断性分析。 （英语） Zbl 1489.93080号

J.富兰克林研究所。 359，第7号，3291-3312（2022）.
摘要：多重故障通常是指工艺参数或结构的变化，这些参数或结构非常适合表示与工艺相关的异常。与添加到过程观测中且与过程状态无关的传感器故障和外部干扰不同，过程相关故障直接影响过程状态，因此重构和诊断更具挑战性。为了解决与过程相关的故障诊断问题，在常用的多元统计过程监控框架下，提出了一种基于乘法故障模型的在线故障重构方法。该重建方法的可诊断性保证了单个参数（也称为一维故障）的变化。此外，还导出了基于重构的贡献，以在诊断多维故障时提供启发式参考。对一个数值算例和一个模拟的连续搅拌槽式加热器过程基准进行了实验，以验证该方法的有效性。结果表明，该方法能够准确诊断故障变量或回路，并将故障样本重构为正常样本。

引用于1文件

MSC公司：

93C83号 涉及计算机的控制/观察系统（过程控制等）
第60页 统计学在工程和工业中的应用；控制图

关键词：

乘法故障模型;多元统计过程监测;可诊断性
PDF格式BibTeX公司 XML格式引用
\textit{K.Wang}等人，J.Franklin Inst.359，No.7，3291-3312（2022；Zbl 1489.93080）
全文： 内政部

参考文献：

[1] Severson，K。；Chaiwatanodom，P。；Braatz，R.D.，《工业系统过程监测展望》，年。版本控制，42190-200（2016）
[2] 赵，C。；Gao，F.，无先验故障信息的早期故障隔离稀疏差异分析算法，控制工程实践。，65, 70-82 (2017)
[3] 何庆平。；Wang，J。；Shah，D.，《通过统计模式分析实现智能制造的特征空间监控》，计算机。化学。工程，126，321-331（2019）
[4] Ge，Z。；宋，Z。；丁，S.X。；Huang，B.，《流程工业中的数据挖掘和分析：机器学习的作用》，IEEE Access，520590-20616（2017）
[5] Sun，B。；杨，C。；Wang，Y。；桂，W。；克雷格，I。；Olivier，L.，《复杂工业过程的综合混合第一原理/机器学习建模框架》，《过程控制》，86，30-43（2020）
[6] 王凯。；陈，J。；Song，Z.，用于闭环过程监测的动态PCA性能分析及其通过输出过采样方案的改进，IEEE Trans。控制系统。技术。，27, 1, 378-385 (2019)
[7] 丛，Y。；周，L。；宋，Z。；Ge，Z.，基于多速率线性高斯状态空间模型的多速率动态过程监测，IEEE Trans。自动。科学。工程师，16，4，1708-1719（2019）
[8] 王凯。；陈，J。；宋，Z。；Wang，Y。；Yang，C.，Deep神经网络嵌入随机非线性状态空间模型及其在过程监控中的应用，IEEE Trans。神经网络。学习。系统。，1-13 (2021)
[9] 杜，Y。；Du，D.，使用基于经验模式分解的主成分分析进行故障检测和诊断，计算。化学。工程，115，1-21（2018）
[10] 蔡，P。；邓，X.，基于动态多块概率相关核主成分分析的非线性过程初始故障检测，ISA Trans。，105, 210-220 (2020)
[11] Wang，J。；Zhao，Z。；Liu，F.，统计过程监测的稳健慢特征分析，工业工程化学。研究，59，27，12504-12513（2020）
[12] 尹，S。；丁，S.X。；哈哈尼，A。；郝，H。；Zhang，P.，《基准田纳西-伊士曼过程的基本数据驱动故障诊断和过程监控方法的比较研究》，《过程控制》，22，9，1567-1581（2012）
[13] Alcala，C.F。；秦S.J.，《过程监测故障诊断方法的分析与归纳》，《过程控制》，2011年第21期，第3期，第322-330页
[14] Ku，W。；斯托尔，R.H。；Georgakis，C.，《通过动态主成分分析进行干扰检测和隔离》，《化学》。智力。实验室系统。，30, 1, 179-196 (1995)
[15] Tao，Y。；Shi，H。；Song，B。；Tan，S.，一种新的用于过程故障检测和诊断的动态权重主成分分析方法和分层监控策略，IEEE Trans。Ind.Electron公司。，67, 9, 7994-8004 (2020)
[16] 贾菲尔，I。；陶瓦利，O。；Harkat，M.F。；Messaoud，H.，降低非线性动态过程监控复杂性的移动窗口KPCA，ISA Trans。，64, 184-192 (2016)
[17] 张，C。；彭，K。；董杰，一种具有动态特性的热轧过程非线性全工况监测方法，ISA Trans。，112, 363-372 (2020)
[18] Bakdi，A。；Kouadri，A.，一种用于复杂系统故障检测的新的基于PCA的自适应阈值方案，Chemom。智力。实验室系统。，162, 83-93 (2017)
[19] Elshenawy，L.M。；Mahmoud，T.A.，使用改进的基于重构的贡献对时变过程进行故障诊断，《过程控制》，70，12-23（2018）
[20] Qin，S.J.，《统计过程监控：基础与超越》，J.Chemom。，17, 8-9 (2003)
[21] 韦斯特胡斯，J.A。；Gurden，S.P。；Smilde，A.K.，多元统计过程监测中的广义贡献图，Chemom。智力。实验室系统。，51, 1, 95-114 (2000)
[22] 秦圣杰。；Valle，S.公司。；Piovoso，M.J.，《关于将多块分析与分散过程监测应用相结合》，J.Chemom。，15, 9 (2010)
[23] 樱桃，G.A。；Qin，S.J.，基于半导体故障检测和诊断组合指数的多块主成分分析，IEEE Trans。半秒。制造，19，2，159-172（2006）
[24] Undey，C。；Cinar，A.，多阶段、多阶段间歇过程的统计监测，IEEE控制系统。Mag.，22，5，40-52（2002）
[25] Ji，H.等人。；何，X。；Zhou，D.，《关于利用基于重构的贡献进行故障诊断》，J.Process Control，40，24-34（2016）
[26] Van den Kerkhof，P。；Vanlaer，J。；杜松子酒，G。；Van Impe，J.F.M.，《统计过程控制基于贡献图的故障隔离中的涂抹分析》，化学。工程科学。，104, 285-293 (2013)
[27] Alcala，C.F。；Qin，S.J.，基于重构的过程监控贡献，Automatica，45，7，1593-1600（2009）·Zbl 1188.90074号
[28] 张，K。；丁，S.X。；Shardt，Y.A.W。；陈，Z。；Peng，K.，多元统计过程监测中检测加法和乘法错误的T2和Q统计评估，J.Frankl。研究所，354，2668-688（2017）·Zbl 1359.62285号
[29] Tao，Y。；Shi，H。；Song，B。；Tan，S.，非线性过程的并行监督加性和乘法故障检测，J.Frankl。研究所，356、18、11716-11740（2019）·Zbl 1427.93239号
[30] 郝，H。；张凯。；丁，S.X。；陈，Z。；Lei，Y.，自动化过程的数据驱动乘法故障诊断方法，ISA Trans。，531436-1445（2014年）
[31] N.F.桑希尔。；南卡罗来纳州Patwardhan。；Shah，S.L.，《连续搅拌槽式加热器模拟模型及其应用》，《过程控制杂志》，18，3，347-360（2008）
[32] 王凯。；陈，J。；Song，Z.，通过移位输出采样法对具有反馈控制回路的过程进行故障诊断，J.Frankl。研究所，355，7，3249-3273（2018）·Zbl 1390.93517号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。