上传者: 38709312
|
上传时间: 2022-11-13 21:34:54
|
文件大小: 556KB
|
文件类型: PDF
传统的多变量分析(MVA)故障诊断方法通常要求分离的采样数据潜在变量必须服从正态分布,这通常很难满足实际的工业过程。 本文首先介绍了一种基于Q统计量的故障诊断方法。 它要求采样数据必须服从正态分布。 然后介绍一种基于信息增量矩阵(IIM)的故障诊断方法,该方法的采样数据不受正态分布的限制。 该方法主要由定义协方差矩阵,计算信息增量矩阵,信息增量均值和动态阈值等组成。 最后,给出了一个数值模拟的例子和一个田纳西州的伊斯曼过程的例子,以验证两种错误诊断方法,即Q统计量和IIM,在误报和漏报中的检测性能。 结果表明,在采样数据不服从正态分布的情况下,Q统计方法的检测性能较差,而基于IIM的故障诊断方法较好。