论文部分内容阅读
随着现代工业过程越来越复杂，采集到的数据量也越来越大，数据集中各个变量之间存在相互影响，一些传统的故障定位方法不能达到满意的定位效果．因此，在主元分析（PCA）故障定位方法的基础上，采用正常工况样苓近邻距离对样苓进行加权的方法，将每个样苓与其最近邻样苓的距离作为加权因子，削弱变量之间的相互影响，降低拖尾效应，改进PCA的故障定位效果．首先，对样拳进行预处理并加权；然后，利用加权后正常工况的样苓建立主元监视模型，在线监视过程中，在发生故障时刻，根据之前建立的模型计算相应时刻加权样本的重构监视统计量和每个变量