基于改进高效偏最小二乘的质量相关故障诊断

孔祥玉，解 建，罗家宇，李 强

(火箭军工程大学导弹工程学院，陕西西安 710025)

1 引言

近年来，随着传感器技术的快速发展，一些复杂工业设备的数据采集变得更加便捷.然而，面对这些大型复杂设备和系统，对其进行故障诊断却变得十分困难.原因在于传统故障检测诊断方法大多是通过系统的物理模型来进行的，面对高度集成化和复杂化的系统对其建立物理模型严重影响了生产效率和成本.因此，基于数据驱动[1]的多元统计过程监控[2-3](multivariate statistical process monitoring，MSPM)方法因其不需要建立系统精确的物理模型逐渐成为了该领域的研究热点，并在实际生产中取得了很好的应用效果.传统的多元统计过程监控方法主要有主成分分析(principal component analysis，PCA)[4]，独立成分分析(independent component analysis，ICA)[5]和偏最小二乘(partial least squares，PLS)[6-7]，其中以PLS 算法的应用最为广泛.PLS算法在对过程变量执行空间分解时可以将过程变量分解为两部分:一部分与最终产品性能指标相关即主元空间(principal component space，PCS)，另一部分与最终产品性能指标无关即残差空间(residual space，RS).对于质量无关子空间，因为其包含的质量无关信息不会影响最终产品质量，其影响往往可以忽略不计.而通过对质量相关子空间的监控可以获得影响产品质量的过程变量信息，方便人们对系统进行故障检测和诊断，避免不必要的经济损失和安全风险.

PLS算法虽然在实际生产中取得了较好的应用效果，但是当系统中含有较多的质量无关信息时其性能明显下降.为了解决该问题，去除质量无关信息的影……