基于二维主元分析的间歇过程故障诊断

？传统的多向主元分析(mpca)已广泛应用于监视多变量间歇过程。在mpca算法中，三维的间歇过程数据需要转换为高维的二维向量，导致计算量和存储空间大，同时不可避免地丢失一些重要信息。因此，提出一种新的基于二维主元分析(2dpca)的故障诊断方法。由于每个批次的间歇过程数据是一个二维向量(矩阵)，应用以各个批次矩阵为分析对象的2dpca算法，避免矢量化，存储空间和存储需求小;另外，2dpca采用各个批次的协方差的平均值来进行建模，能够更加准确地反映出不同类型的故障，在一定程度上增强了故障诊断的准确性。半导体工业实例的监视结果说明，2dpca方法优于mpca。