《表5 不同窗宽取值时CSTR系统6种故障的平均检出时刻、平均检出率与平均误报率对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于WPRKPCA的非线性化工过程微小故障检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文所提算法需要在滑动窗内计算KL散度，窗宽是影响检测性能的重要参数，一般而言，窗宽w越大，历史信息的作用越强，从而可以更好地累积故障信息，有助于有效检测到微小故障。如果窗宽w过小，则不能很好地累积故障信息，导致故障检出率较低，由于过程噪声的存在，小的窗宽也可能导致误报率的增加。但若窗宽w过大，则当前数据的作用可能被历史数据所掩盖，导致检测时间延迟，从而不利于微小故障检测。为此应在误报率满足相应置信限要求的前提下，对检测时间和检出率进行权衡，力求既能及时检测到故障的发生又能有较高的检出率。本文中窗宽的选取利用交叉验证法来确定[18，20]，以CSTR系统为例，通过仿真来说明窗宽取值对检测结果的影响，由于WPRKPCA是在PRKPCA算法的基础上进行改进，为了公平比较，窗宽的取值应保持一致，表5为不同窗宽取值时CSTR控制系统6种故障所对应T2和SPE统计量的平均检出时刻、平均检出率与平均误报率对比，窗宽的变化从10到50，间隔为5。在平均误报率满足99%置信限要求的前提下，平均检出率越大、平均检出时刻越早说明检测效果越好。