Please wait a minute...
工程设计学报
工程设计学报  2002, Vol. 9 Issue (5): 257-260    
工程设计理论、方法与技术     
基于PCA的多变量控制系统的故障监测与诊断
 陈勇, 梁军, 陆浩
浙江大学系统工程研究所，浙江杭州310027
Monitoring and fault diagnosis based on PCA for multivariable control system
 CHEN  Yong, LIANG  Jun, LU  Hao
Institute of System Engineering，Zhejiang University，Hangzhou 310027，China
 全文: PDF  HTML
摘要： 主元分析(PCA)是一种能够对过程生产进行监测和质量控制的有效方法，在保证数据信息丢失最少的情况下，大大降低了原始数据空间的维数．利用PCA分析建模可以消除变量间的非线性关联，降低噪声影响．通过对某食品厂蒸煮设备控制流程进行大量试验表明，PCA 故障诊断模型能够有效地对设备生产进行监测，并能较准确及时地诊断设备运行中发生的故障．
关键词： 主元分析;  多元统计分析;  故障诊断;  过程监测    
Abstract: Principal component analysis(PCA)is an effective method for process monitoring and fault diagnosis．PCA produces a compressed statistical model that gives linear combinations of the original variables that describe the major trends in a data set，and produces new variables that are uncorrelated with each other and are linear combinations of the original variables．The experiments results show that PCA is an efficient method to monitor performance of the process，and can detect faults resulted in change of product quality exactly．
Key words: principal component analysis    multivariate statistical analysis    fault diagnosis    process monitoring
出版日期: 2002-12-28
基金资助:

国家“863”计划资助项目(863-511-920-011)
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
陈勇
梁军
陆浩

引用本文:

陈勇, 梁军, 陆浩. 基于PCA的多变量控制系统的故障监测与诊断[J]. 工程设计学报, 2002, 9(5): 257-260.

CHEN Yong, LIANG Jun, LU Hao. Monitoring and fault diagnosis based on PCA for multivariable control system[J]. Chinese Journal of Engineering Design, 2002, 9(5): 257-260.

链接本文:

https://www.zjujournals.com/gcsjxb/CN/    或    https://www.zjujournals.com/gcsjxb/CN/Y2002/V9/I5/257

[1] 纪超,王亮,王孝敬,李小兵,曹雯. 基于MSSA-SVM的电缆隧道故障预警系统设计[J]. 工程设计学报, 2023, 30(1): 109-116.
[2] 吴国沛, 余银犬, 涂文兵. 永磁同步电机故障诊断研究综述[J]. 工程设计学报, 2021, 28(5): 548-558.
[3] 倪洪启, 金驰, 冯霏. 波纹补偿器故障诊断系统研制[J]. 工程设计学报, 2019, 26(3): 354-363.
[4] 马天兵, 王孝东, 杜菲, 王鑫泉. 基于GA-SVM的刚性罐道故障诊断[J]. 工程设计学报, 2019, 26(2): 170-176.
[5] 胡艺耀, 朱斌, 张伟, 何畏, 沈平生. 知识库构建工具软件的设计与实现[J]. 工程设计学报, 2018, 25(4): 367-373.
[6] 李晓豁，翁正洋，钱亚森，史尚伟，李 岩. 基于果蝇算法优化模糊RBF网络的液压破碎锤故障诊断[J]. 工程设计学报, 2015, 22(6): 540-545.
[7] 李玲玲, 景丽婷, 马东娟, 李志刚. 改进证据理论及其在电力系统故障诊断中的应用[J]. 工程设计学报, 2012, 19(6): 485-488.
[8] 韩海涛,马红光,韩琨,郑耿乐. 关于Volterra频域核辨识的多音激励信号设计[J]. 工程设计学报, 2012, 19(2): 123-127.
[9] 郝志勇, 刘伟, 夏玮, 闫闯. 基于BP神经网络的吸运风机故障诊断[J]. 工程设计学报, 2012, 19(1): 57-60.
[10] 韩海涛, 马红光, 李飞, 张家良. 基于系统输出频率响应函数的非线性系统研究[J]. 工程设计学报, 2011, 18(5): 373-376.
[11] 郭玉秀, 倪晓红, 王玉田. 基于混沌弱信号检测的轧机故障诊断研究[J]. 工程设计学报, 2011, 18(3): 218-221.
[12] 王成刚, 王学伟, 杨智勇, 曾儒伟. 测试性建模中故障模式概率更新算法研究[J]. 工程设计学报, 2009, 16(4): 252-255.
[13] 王子玲, 许爱强, 牛双诚. 基于多故障假设的诊断策略研究与应用[J]. 工程设计学报, 2009, 16(4): 281-286.
[14] 王 莉, 周新东. 基于Siemens PLC和自校正控制算法的炭素回转窑系统的控制[J]. 工程设计学报, 2008, 15(1): 50-53.
[15] 陈勇, 梁军. 滑动模型MPCA在非线性系统故障监测与诊断中的应用[J]. 工程设计学报, 2003, 10(3): 131-135.