基于BU-DDTW多阶段SPCA-PSD间歇过程故障监测

王震, 高丙朋, 蔡鑫, 祝景亮, 郭思旭

广西师范大学学报(自然科学版) ›› 2025, Vol. 43 ›› Issue (05) : 91 -103.

PDF
广西师范大学学报(自然科学版) ›› 2025, Vol. 43 ›› Issue (05) : 91 -103. DOI: 10.16088/j.issn.1001-6600.2024062302

基于BU-DDTW多阶段SPCA-PSD间歇过程故障监测

    王震, 高丙朋, 蔡鑫, 祝景亮, 郭思旭
作者信息 +

Author information +
文章历史 +
PDF

摘要

针对间歇过程中复杂的动态特性和多阶段特性导致故障监测精度低的问题,本文提出一种基于自底向上导数动态时间规整(BU-DDTW)的半正定稀疏主成分分析(SPCA-PSD)多阶段间歇过程故障监测方法。首先,利用encoder-decoder模型捕捉批处理后的时间序列动态特征。其次,结合BU-DDTW合并策略,衡量不同子序列之间的动态结构相似度,实现精准阶段划分。然后,通过SPCA-PSD方法引入稀疏性和半正定约束,精准识别表征各阶段特性的关键变量,构建多阶段故障监测模型。在青霉素补料分批发酵过程数据进行实验验证中,本文对6种不同故障类型的平均故障监测率达95.2%,显著优于其他方法,结果证明本文所提方法在间歇过程阶段划分的有效性,同时增强了多阶段故障监测模型的准确性和可解释性。

关键词

间歇过程 / 故障监测 / 阶段划分 / 非线性 / 动态性

Key words

引用本文

引用格式 ▾
基于BU-DDTW多阶段SPCA-PSD间歇过程故障监测[J]. 广西师范大学学报(自然科学版), 2025, 43(05): 91-103 DOI:10.16088/j.issn.1001-6600.2024062302

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

128

访问

0

被引

详细

导航
相关文章

AI思维导图

/