关键词：故障诊断;故障识别;化工过程;田纳西-伊斯曼过程;主元分析;故障发现率;大数据
摘 要：提出采用主元分析方法分析化工过程积累的数据,进而实现化工过程故障的诊断与识别。首先,通过PCA方法对正常工况数据进行训练,获得统计量T~2与SPE的控制限阈值;然后计算故障工况数据的统计量,并与控制限进行比较,超过控制限阈值即判断为故障工况数据,计算故障发现率并作为故障诊断能力的评价标准;最后计算变量的统计量贡献率,识别出引起故障的主控变量。对田纳西-伊斯曼过程进行案例研究,选择正常工况数据集和6种故障模式数据集,当提取主元个数为31时,对6种故障均有很高的诊断能力,识别出的主控变量也与该故障实际的工艺扰动监测值相对应。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取