《表1 参数设置:基于方差最大化旋转变换的K近邻故障诊断策略》
如文献[35]介绍,由于故障3、9和15的故障尺度较小且整个过程表现平稳,所以各种方法均不能有效检测以上过程故障;PCA-T2、PCA-SPE和FD-KNN等方法可以及时准确地检测故障1、2、6、7、8、12、13和14,且故障检测率达到95%以上;基于PCA的不同方法,如KPCA和DPCA,对故障5、10、16和19的故障检测率均低于85%。在本节中,将Rot-KNN对故障5、10、14、16和19进行检测和诊断并与PCA-T2、PCA-SPE、FD-KNN等方法进行对比分析,相关参数设置如表1所示,各种方法的故障检测率和误报率如表2所示。由表2可以看出,对于故障14,Rot-KNN方法同样具有良好的检测性能,故障检测率达到100%,同时故障误报率低于其他方法;对于故障5、10、16和19,Rot-KNN的故障检测率高于90%,而其他方法的故障检测率均低于60%。图16给出Rot-KNN与FD-KNN关于故障5、10、16和19的故障检测控制图。
图表编号 | XD0090308900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 张成、郭青秀、李元 |
绘制单位 | 沈阳化工大学技术过程故障诊断与安全性研究中心、沈阳化工大学技术过程故障诊断与安全性研究中心、沈阳化工大学技术过程故障诊断与安全性研究中心 |
更多格式 | 高清、无水印(增值服务) |