×
孙成元;尹毅珍;康浩波;马宏军

一种用于质量相关故障检测和诊断的分布式主成分回归方法。 （英语） 兹比尔1533.93529

信息科学。 600, 301-322 (2022).
摘要：近年来，现代工业过程面临着大规模的挑战。本文提出了一种新的分布式核主成分回归（DKPCR）方法来研究与质量相关的过程监控的工厂范围问题。在减少大量测量的规模的同时，该方法还关注由大异常值引起的鲁棒性问题。在局部阶段，DKPCR技术的每个代理都会处理部分区段的数据，并将选定的信息发送到集中式主机。工程师从本地代理收集数据，然后根据贝叶斯推理做出决策。此外，设计了相应的权重诊断方法，利用检测结果和信息分离出涂抹效应下的故障相关变量。最后，利用田纳西州伊士曼案例（TEC）和三相流系统（TPFS）验证了该方法的检测和诊断性能。

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
62H25个 因子分析和主成分；对应分析

关键词：

分布式核主成分回归;故障检测;故障诊断;质量相关过程监控
PDF格式BibTeX公司 XML格式引用
\textit{C.Sun}等人，《信息科学》。600、301-322（2022年；Zbl 1533.93529）
全文： DOI程序

参考文献：

[1] 尹，S。；刘，L。；Hou，J.，《产品质量评价的多元统计组合预测方法》，信息科学，355229-236（2016）
[2] 丁，J。；莫达雷斯，H。；Chai，T。；Lewis，F.L.，动态环境下工业过程的基于数据的多目标全厂性能优化，IEEE工业信息学汇刊，12，2，454-465（2016）
[3] 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
[4] 卢·W。；Yan，X.，基于模式消除和fisher准则的Deep模型结合自组织映射用于可视化多模式化学过程监测，信息科学，562，13-27（2021）
[5] 王，G。；焦，J。；Yin，S.，基于核样本等价替换的高效非线性故障诊断，IEEE工业信息学报，15，5，2682-2690（2018）
[6] 刘，Q。；秦圣杰。；Chai，T.，基于多级主成分分析的连续退火过程分散故障诊断，IEEE自动化科学与工程学报，10，3，687-698（2013）
[7] 黄，K。；温，H。；刘，H。；杨，C。；Gui，W.，《工业过程监控的几何约束词典学习方法》，信息科学，546265-282（2021）
[8] 焦，J。；Zhao，N。；王，G。；Yin，S.，基于修正核偏最小二乘的非线性质量相关故障检测方法，ISA事务，66，275-283（2017）
[9] 丁，J。；Chai，T。；Wang，H.，使用建模误差pdf成形和熵最小化进行矿物加工产品质量预测的离线建模，IEEE神经网络汇刊，22，3，408-419（2011）
[10] 彭，K。；张凯。；Li，G.，基于全核pls模型的质量相关过程监控及其工业应用，工程中的数学问题（2013）
[11] Sheng，N。；刘，Q。；秦圣杰。；Chai，T.，基于潜在结构并发核投影的非线性过程综合监控，IEEE自动化科学与工程学报，13，2，1129-1137（2015）
[12] 贾，Q。；张勇，基于动态核偏最小二乘的质量相关故障检测方法，化工研究与设计，106242-252（2016）
[13] 王，G。；罗，H。；Peng，K.，使用线性和非线性主成分回归进行质量相关故障检测，富兰克林研究所杂志，353，10，2159-2177（2016）·Zbl 1347.93274号
[14] 焦，J。；甄，W。；朱伟。；Wang，G.，基于正交核主成分回归和传递熵的质量相关根本原因诊断，IEEE工业信息学报，17，9，6347-6356（2021）
[15] Ge，Z。；Chen，X.，用于动态过程中质量相关故障检测的监督线性动态系统模型，过程控制杂志，44224-235（2016）
[16] 刘，C。；王凯。；Ye，L。；Wang，Y。；袁，X.，带邻域保持嵌入正则化的深度学习及其在工业加氢裂化过程软测量中的应用，信息科学，567，42-57（2021）
[17] 魏，C。；Song，Z.，质量相关工业过程监测的广义半监督自优化核模型，IEEE工业电子学报，67，12，10876-10886（2020）
[18] 袁，X。；顾毅。；Wang，Y.，监督工业过程质量预测的深度信念网络，IEEE仪器和测量汇刊，70，1-11（2020）
[19] 马，L。；Dong，J。；Peng，K.，制造业质量相关耦合故障的新型稳健半监督分类框架，IEEE工业信息学汇刊，16，5，2946-2955（2019）
[20] 李，Z。；田，L。；姜强。；Yan，X.，用于非线性过程监测的分布式集成堆叠自动编码器模型，信息科学，542302-316（2021）
[21] 姜强。；严，X。；Huang，B.，基于故障相关变量选择和贝叶斯推断的性能驱动分布式pca过程监测，IEEE工业电子学报，63，1，377-386（2015）
[22] Ge，Z。；Song，Z.，《全厂过程监测的分布式pca模型》，工业与工程化学研究，52，5，1947-1957（2013）
[23] 钟，K。；Han，M。；邱，T。；Han，B。；Chen，Y.-W.，基于最小冗余最大相关变量选择和贝叶斯推理的分布式动态过程监控，IEEE控制系统技术汇刊，28,52037-2044（2019）
[24] Choi，S.W。；Lee，I.-B.，基于多块pls的局部过程诊断，过程控制杂志，15，3，295-306（2005）
[25] 李，Z。；田，L。；姜强。；Yan，X.，用于非线性过程监测的分布式集成堆叠自动编码器模型，信息科学，542302-316（2021）
[26] 哈卡特，M.-F。；Mansouri，M。；努努，M.N。；Nounou，H.N.，使用基于区间偏最小二乘的广义似然比检验对不确定化学过程进行故障检测，信息科学，490265-284（2019）·Zbl 1454.62514号
[27] 朱，J。；Ge，Z。；Song，Z.，《利用大数据对大规模工厂流程进行建模和监测的分布式并行pca》，IEEE工业信息学汇刊，13，4，1877-1885（2017）
[28] 美国Jan。；Lee，Y.D。；Koo，I.S.，使用机器学习的分布式传感器故障检测和诊断框架，信息科学，54777-796（2021）
[29] MacGregor，J.F。；Jaeckle，C。；Kiparisides，C。；Koutoudi，M.，用多块pls方法进行过程监测和诊断，AIChE杂志，40，5，826-838（1994）
[30] 姜强。；严，X。；Huang，B.，《工业全厂过程数据驱动分布式监测的回顾与展望》，工业与工程化学研究，58，29，12899-12912（2019）
[31] Ge，Z.，《全厂工业过程数据驱动建模和监测综述》，化学计学和智能实验室系统，171，16-25（2017）
[32] 姜强。；Yan，X.，《利用基于互信息的多块pca、联合概率和贝叶斯推断监测多模式全厂过程》，化学计量学和智能实验室系统，136121-137（2014）
[33] Tong，C。；Lan，T。；Yu，H。；Peng，X.，基于分布式偏最小二乘的统计过程监测残差生成，《过程控制杂志》，75，77-85（2019）
[34] Tao，Y。；Shi，H。；Song，B。；Tan，S.，非高斯过程的分布式监督故障检测和诊断，工业与工程化学研究，58，16，6592-6603（2019）
[35] 荣先生。；Shi，H。；Tan，S.，基于分布式修正主成分回归的大规模监督过程监测，工业与工程化学研究，58，39，18223-18240（2019）
[36] 王，Q。；高，Q。；高，X。；Nie，F.，l_2，p）基于范数的pca图像识别，IEEE图像处理汇刊，27，3，1336-1346（2017）·Zbl 1409.94616号
[37] Kwak，N.，基于l1-范数最大化的主成分分析，IEEE模式分析和机器智能事务，30，9，1672-1680（2008）
[38] 李，H。；何，X。；于，Z。；Luo，J.，外部补丁优先指导下低阶稀疏分解的噪声图像融合，信息科学，523，14-37（2020）·Zbl 1458.94047号
[39] 王，D。；Romagnoli，J.，《稳健多尺度主成分分析及其在过程监控中的应用》，《过程控制杂志》，15，8，869-882（2005）
[40] Si，Y。；Wang，Y。；周，D.，基于改进核偏最小二乘法的关键性能诱导相关过程监测，IEEE工业电子学报，68，3，2626-2636（2020）
[41] Sun，C。；Ma，H.，基于修正核主成分回归方法的复杂工业系统研究，IFAC-PapersOnLine，53，2，126-131（2020）
[42] 焦，J。；Yu，H。；Wang，G.，基于动态最小二乘法的过程监测质量相关故障检测方法，IEEE工业电子学报，63，4，2625-2632（2015）
[43] Ruiz-Cárcel，C。；曹毅。；Mba，D。；老挝，L。；Samuel，R.，多相流设施的统计过程监测，控制工程实践，42，74-88（2015）
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。