.png){kind=icon}
返回
A Dynamic Multi-Stage Multi-Batch Process Fault Detection Method Based on Baseline Standardization and MPCA
.png){kind=icon}
PRE
AI
DOI：10.1002/rnc.70149.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为应对复杂多批次过程在过程监控中动态和多阶段特性所带来的挑战，提出了基线标准化（BS）策略，该策略与多路主成分分析（MPCA）相结合，形成了BS-MPCA故障检测方法。BS基于不同批次中同时间点样本的均值构建一个随时间变化的基线批次。由于基线批次不可避免地存在波动，采用高斯滤波器对基线批次进行平滑处理，以增强其鲁棒性。基于不同批次及基线批次中同时间点样本的标准差对数据集进行标准化，得到标准化数据集。BS将数据缩放到统一尺度，从而消除过程的动态和多阶段特性。由此得到的标准化数据集符合独立同分布统计的假设。在此基础上，采用MPCA方法进行特征提取和故障检测。BS-MPCA应用于数值过程和三罐过程的故障检测。实验结果表明，与MPCA、DPCA、MDPCA、VBSPCA、KNN和WKNN方法相比，BS-MPCA故障检测方法实现了更高的故障检测率。此外，该方法在建模阶段消除了过程的动态和多阶段特性，其检测模型优于对比方法的模型。理论分析和仿真实验表明，BS-MPCA方法适用于具有同时或单独动态和多阶段特性的多批次过程的故障检测，更有效地保障生产过程的安全性和产品质量。
Keyword:
baseline standardization
dynamicity
fault detection
multistage
process monitoring
期刊
IF:
3.2
论文数:
7.0K
被引数:
1.4W
机构
引用论文
.png){kind=icon}
分享收藏Dynamic process fault detection and diagnosis based on dynamic principal component analysis, dynamic independent component analysis and Bayesian inference基于动态主元分析、动态独立元分析和贝叶斯推理的动态过程故障检测与诊断
PREAI
分享收藏
查看更多内容