论文部分内容阅读
动态主成分分析(DPCA)通过增广矩阵或向量的方式来挖掘采样数据间的时序自相关性。然而,DPCA对自相关的特征成分与残差直接实施监测是不合理的,故其故障检测效果较差。为了剔除采样数据的自相关性以提高故障检测效果,提出一种基于估计误差的动态过程监测方法。首先,通过逐个假设各个过程变量的测量数据缺失,并在已建立的DPCA模型中引入迭代方法(IM)计算得到相应变量缺失数据的估计值。由于该估计值在仅缺失一个变量数据的条件下能较大程度地逼近原测量数据,两者之差(即估计误差)不再存在显著的自相关性,而且该估计误