基于非负矩阵分解状态异常分析的化工微小故障检测

摘要

针对工业过程中微小故障特征幅值低、传统固定阈值方法在多工况条件下自适应能力不足的问题，本文提出一种基于非负矩阵分解状态异常分析的微小故障检测方法。该方法从数据驱动的角度出发，对复杂工业过程的运行数据进行系统建模，以实现对微弱异常信息的有效提取与识别。首先，通过非负矩阵分解对高维过程数据进行低维表示，提取表征系统运行状态的主要特征；其次，引入Wasserstein距离度量特征概率分布之间的差异，构建描述系统微小状态变化的分布特征，并在此基础上定义相异度统计量，以提升监控指标对早期异常与微小故障的检测能力；此外，设计一种基于数据波动率的自适应阈值调整策略，实现不同工况下阈值的动态优化选择。最后，基于田纳西–伊斯曼(TE)化工过程的多类典型微小故障场景进行实验验证。结果表明，与传统统计过程监控方法相比，本文方法在故障检测率、误报率及监测稳定性等方面均表现出显著优势，能够有效提高微小故障检测的准确性与鲁棒性，验证了该方法在复杂工业过程监控中的有效性与工程应用潜力。

关键词

非负矩阵分解 / 状态异常分析 / 自适应阈值 / 数据驱动 / 微小故障 / TE化工过程 / 故障检测率 / 鲁棒性