论文部分内容阅读
提出了一种基于相对规范变量分析(RECVA)的非线性故障诊断方法,该方法首先通过相对变换将原始数据映射到相对空间,在相对空间中采用规范变量分析(CVA)提取统计量(T2,T2s,T2r,Q)进行故障检测,获取代表不同故障特征的状态向量作为输入样本,随后采用有监督的流形学习算法进行故障诊断。在CSTR系统上的仿真结果表明,RECVA方法比主元分析法(PCA)以及CVA方法能更加快速地检测到故障的发生,有效地监控过程变化,并且有监督的局部线性嵌入算法(SLLE)能够有效地对CVA提取的故障状态进行识别。