LDA _SVM方法在化工過程故障診斷中的應用

冀豐偲, 余云松, 張早校

(1. 西安交通大學 化學工程與技術學院, 陜西 西安 710049 2. 西安交通大學 動力工程多相流國家重點實驗室, 陜西 西安 710049)

1 前 言

復雜化學工業的流程主要包括化工原料管理、生產加工工藝、設備運行監測和維修維護、廢棄物排放及應急措施管理等環節，表現為工藝、設備、儀表耦合多樣，高溫、高壓、深冷等極端環境頻發，運行工況和操作環境多變，從原料、中間體到成品，大多具有易燃易爆、毒性等化學危險性，間接造成了化工行業事故的多發性和嚴重性。而回看化學工業的安全生產歷史，嚴重災難的發生往往并不是一個孤立事件，盡管事故可能具有突發性和偶然性，卻常常是微小故障量積累和誘發的結果?；ば袠I作為按模式計劃生產且規則一貫式的作業，工藝、設備等重復性的故障和風險是不可避免的。

在實際化工過程的數據采集系統中，各類傳感器可獲取豐富的數據信息，通過對比、分析正常運行工況和不同故障模式下的數據即可實現基于數據驅動的故障診斷[1-2]。然而，高維度、海量的傳感器原始數據對基于數據驅動的故障診斷方法造成了一定影響，稱為“維數災難”。對高維數據直接進行處理，不僅消耗計算資源，而且造成擬合模型精確度不足，背離了實際生產的需求。為解決這一問題，常用的數據特征提取和維度降低方法有獨立成分分析(independent component correlation algorithm, ICA)、主元分析(principal component analysis, PCA)、線性判別分析(linear discriminant analysis, LDA)等。ICA是一種從多維統計數據中尋找隱含變量的方法，其假設原始數據中隱變量彼此獨立，能有效提取過程數據中的多模態和非高斯特性，廣泛應用于多工況過程[3]及化工過程[4]的數據降維和故障診斷中?！?br>