论文部分内容阅读
传统主成分分析（PCA）算法旨在挖掘训练数据各变量间的相关性特征，己在数据驱动的故障检测领域得到了广泛的研究与应用。然而，传统PCA方法在建模过程中通常认为各个测量变量的重要性是一致的，因此不能有效而全面地描述出变量间相关性的差异。为此，提出一种变量加权型PCA（VWPCA）算法并将之应用于故障检测。首先，通过对训练数据进行加权处理，使处理后的数据能够充分体现出变量间相关性的差异。然后，在此基础上建立分布式的PCA故障检测模型。在线实施故障检测时，则通过贝叶斯准则将多组监测结果融合为一组概率指标。VWPC