基于异步PCA的故障识别方法

针对传统的主元分析(PCA)方法仅考虑变量间同步相关性的问题,提出一种基于异步PCA的故障识别方法。该方法首先利用导数动态时间规整(DDTW)从待识别故障数据集的关键变量序列和历史故障数据集的故障变量序列中获得最优规整路径,将最优规整路径上的元素扩展为反映关键变量序列和故障变量序列之间异步相关性的新序列,然后对新变量序列的协方差矩阵进行特征值分解获得负荷矩阵,最后根据负荷矩阵中关键变量序列和故障变量序列的低维表示向量之间的相似性识别故障。在连续搅拌反应器(CSTR)过程上的仿真结果表明所提出方法的故障识别性能优于传统的PCA相似系数法。