基于相關向量機的復雜工業(yè)過程故障檢測方法應用研究.pdf

1、安全一直都是工業(yè)過程中的首要考慮因素。工業(yè)過程中各個單元與節(jié)點相互之間復雜的關系提升了保障系統(tǒng)安全的難度，當化工設備發(fā)生故障時，如果不能及時采取措施，就可能會造成極大的人員傷亡與財產損失。復雜工業(yè)過程難以建立精準的數學模型，因而一些傳統(tǒng)的機理建模方式就不太適用。隨著計算機技術以及存儲技術的發(fā)展，工業(yè)過程的大量數據得以保存，這為基于數據驅動的故障檢測方法提供了基礎。本文針對復雜工業(yè)過程開展以下故障檢測應用研究:
　　(1)針對傳統(tǒng)方

2、法中控制限的不合理與高要求選擇，本文引入了分類器的思想，避免了控制限的選擇問題，減少了故障檢測過程中需要關注的指標的個數，提升了故障檢測的精度。
　　(2)由于工業(yè)過程數據大多不滿足高斯分布，本文提出了ICA-RVM故障檢測器，避免了傳統(tǒng)ICA方法中核密度估計方法的計算缺點，減少了過程監(jiān)測指標，提升了故障檢測精度。
　　(3)針對工業(yè)過程數據中可能存在的高斯信息，本文提出了ICA-PCA-RVM故障檢測器，用于提取非高斯信息

3、與高斯信息，使用RVM分類器自動計算控制限，減少了操作人員的精力分散，對故障檢測精度有了進一步的提升。
　　(4)本文提出使用RVM分類器構建故障檢測器，相比于其他的分類器，如SVM分類器，RVM分類器構建的故障檢測器的故障檢測速度比SVM分類器構建的故障檢測器提升了一個數量級，此外故障檢測的精度也有所提升。
　　本文的研究結果表明，ICA-PCA-RVM故障檢測器能夠迅速、精確地檢測到故障的發(fā)生，可以輔助操作人員進行正確的