论文部分内容阅读
针对工业过程的建模数据中含有离群点的情况，提出了一种基于鲁棒主元分析（PCA）的故障诊断方法。该方法使用广义极大似然估计（M估计）代替最小二乘估计，将传统的主元分析问题转化为一个加权的重构误差优化问题，然后通过改进的非线性迭代部分最小二乘（NIPALS）算法来求得问题的最优解，在此基础上建立主元模型并构造监控统计量检测过程故障。在连续搅拌反应器（CSTR）仿真系统上的应用结果表明，鲁棒PCA方法能够消除离群点对主元模型的影响，比PCA方法分析过程数据更为准确，能更有效地诊断过程故障。