基于公共特有子空间提取的工业设备多模式运行过程故障检测方法.pdf

工业设备的运行状态对于产品质量有着直接的影响，因此对设备运行过程进行有效的监控至关重要。这篇由何雨辰、王云、刘涛等人发表在《控制与决策》2022年第37卷第6期的文章，提出了一个基于公共特有子空间提取的工业设备多模式运行过程故障检测方法。该方法旨在解决设备运行数据中的复杂特性，如不同阶次信息和多模式运行等问题。 文章首先针对不同阶次信息的问题，采用最大交互熵和偏最小二乘方法（Maximal Interaction Entropy and Partial Least Squares, MIE-PLS）。通过对原始数据空间进行分解，将信息划分为高阶和低阶两部分，并构建相应的隐空间模型来提取与质量相关的高阶和低阶关系。这种方法有助于识别出隐藏在复杂数据背后的故障特征。 针对设备的多模式运行特性，文章提出了一种公共-特有信息提取算法。这种算法结合了高阶和低阶信息结构，进一步分解原始数据，构建更精细的隐空间模型。这使得模型能够适应设备在不同工作模式下的变化，提高对模式切换和故障的识别能力。 为了实现在线监控，作者设计了一种监控算法，能够在设备运行过程中实时检测模式切换或故障情况，从而及时采取措施防止产品质量下降或设备损坏。这种方法提高了多模式过程监控的准确性和效率。 文章通过实际工业设备运行环境的应用验证了所提算法的有效性。结果显示，与传统的故障检测方法相比，新算法在多模式运行状态监测中表现出了显著的优势。 该研究为工业设备故障检测提供了一种创新的方法，它利用公共特有子空间提取技术处理多模式运行过程中的复杂数据，提升了故障检测的精度和鲁棒性。这种方法对于工业生产过程的智能化和自动化具有重要的理论和实践意义，为预防性维护和产品质量控制提供了新的工具。