摘要：工业过程控制包含大量的测量变量，这些变量基本上由几个不能测量或直接测量的独立组件驱动。如果可以找出这些独立组件进行过程监控，您将大大提高监控结果。本文介绍了多变量传统过程故障检测方法和基于独立分量分析（ICA）的连续过程系统故障检测方法。我将传统的检测方法与本文要详细介绍的独立分量分析法进行了描述。根本上去发现将独立分析方法应用于故障检测的优点。独立成分分析法使用非高斯最大化或互信息的最小化从变量中提取独立的非高斯变量（独立分量分量）。它满足统计上独立的特征，而不仅仅是PCA所要求的不相关性。对于连续过程系统的监控，TE（Tennessee Eastman）模拟后明显发现独立成分分析拥有更完善的检测能力。ICA能够更准确地监测故障的发生，同时能够更及时地发现有问题的的故障点。

关键词:独立成分分析（ICA）；主元分析（PCA）；统计过程监控；故障诊断

目录

独立元分析在过程故障检测中的应用研究 1

摘要 1

绪论 1

第一章 过程故障检测的研究概况 2

1.1故障检测的技术 3

1.1.1 故障检测的发展 4

1.1.2 故障检测的方法 5

1.2过程故障检测的研究现状 7

第二章 过程故障检测传统方法概述及改进方法 8

2.1 多变量传统检测方法 8

2.1.1 主元分析 (PCA) 9

2.1.2主元回归 (PCR) 10

2.1.3偏最小二乘 (PLS) 10

第三章 独立成分分析法的研究 11

3.1独立成分分析 (ICA) 11

3.1.1独立成分分析的定义 12

3.1.2 ICA的预估方法 14

3.1.3独立成分分析算法 16

3.2 过程仿真实例 17

3.3总结 20

致谢 20

参考文献 21

绪论

现代工业的发展已经马上要进入4.0时代了。对企业的要求也越来越高，尤其是在制造业，由于用到了大量的设备。因此人工和简单的单回路控制已经满足不了时代的要求。因此要求制造型的企业越来越自动化。与此同时，设备制造商对生产设备的生产也开始向着大规模化、智能化、集成化的方向发展，时常会整套的设备一起出售。整套的设备中就需要一整套的控制系统来对设备进行控制和计算。首先一个大规模精确有效的工业控制系统能够有效地提高生产效率，提高企业产能，降低企业的人工成本；但是大规模的工业控制系统中存在着大量易损部件，某个小小的部件出了故障如果不能够及时准确的排除，就有可能引起整个生产的连锁反应，最后可能会造成停工、停产等非正常生产问题，特别是在石油化工、金属冶炼等企业，由于其特殊的工作环境和严格的操作要求，任何细微的故障都有可能造成控制系统整个的崩溃和工厂的安全事故。

例如，2014年12月31日，广东富华工程机械制造公司发生瓦斯爆炸事故，造成大量人员死伤。如今，生产安全及生产效益的问题越来越多，及时有效地对现场生产环境进行检测及对检测结果进行准确分析和处理，确保工业过程检测系统处于健康高效状态是一个要点。因此，检测过程的可靠性是过程检测和诊断的重点，及时检查和评估生产的异常，对员工的个人安全，确保生产质量稳定有非常很大的实用价值和意义。

近年来，过程工业CIPS（计算机集成过程系统）为收集和存储大量过程数据作出了巨大努力。如何更好地利用来自这些数据的深层数据来提高过程检测的准确度已经成为了工业过控领域的研究热门之一。独立分量分析（ICA）是基于用于过程工业过程数据分析和处理的高阶统计量的信号分解技术。

利用更有效地变量的概率统计，为了获得检测中的固有信息驱动源，可以在统计学上研究变量独立的意义上分解。在相同的数据中，ICA和其他多元统计分析法（PCA、PCR、PLS）相比，ICA可以更加清楚地提取变量特征。在很多情况下，工业过程中采集到的数据很杂，如有离群点、测量噪声或非线性等等，ICA没有充分考虑，无法提取结果。因此，结合过程数据的特点，ICA理论，研究了出了快速ICA算法。对于丰富和发展ICA理论，具有重要的理论意义和有价值的应用意义。