一种具有持续学习能力改进PCA的多工况过程监测方法

摘要

本发明公开了一种具有持续学习能力改进PCA的多工况过程监测方法，涉及工业监测和故障诊断领域。该方法包括：依次采集工业系统正常工况下的过程数据构成训练集；利用主成分分析对初始工况进行训练，计算初始投影矩阵；根据弹性权重巩固方法和主成分分析原理，构造优化函数，对后续工况进行训练，得到最优投影矩阵；构建监测统计量并计算阈值；采集系统实时工况下的过程数据作为测试样本，利用当前训练模型计算该样本的统计量，并与阈值比较，判断是否有故障发生。本发明方法结合系统原理和先验知识确定权重矩阵，提高方法的可解释性，算法简单，计算量小，易于实现，可广泛应用于化工、加工制造、大型火力发电厂等领域。