⑶、基于知识的方法：近年来控制系统越趋复杂，想获得系统的较为精确的数学模型是相对来说比较困难的，它是在技术员长期累计的实践经验和生产过程遇到的大量故障信息的基础上设计出来的程序，能够解决相对较复杂的故障问题，且它不需要构建精确的数学模型，所以方便实现且实时性好。此方法还可以更加细致地划分为基于症状的和定性模型的方法[15][16][17]。

⑷、基于数据驱动的方法：它是以生产过程中机器记录的过程数据为基础来检测故障。过程数据可以细致地划分为在线数据和离线数据两类。

在线数据是指当前采样的过程数据，离线数据是指大量的历史存储数据。我们能够从在线数据中了解到系统当前是处在一个什么样的状态，它具有时变性；能够从离线数据中找到大量的存储的历史系统数据，而且数量庞大且信息量充足。而基于在线数据的故障检测方法能够清楚了解系统当前是处在一个什么样的状态之中，它能够更加及时的对生产过程进行故障检测。

基于数学驱动的方法不需要建立复杂的数学模型,也不需要具备准确的经验知识,所需要的数据都是工业生产中的实时产生的数据,于是更贴近工业生产过程的真实状况,且所需要的费用低,便于维护修改,这类方法在复杂工业过程中已经得到广泛的应用。

1.3  本文研究内容及安排

本文通过对田纳西一伊斯曼模型(Tennessee Eastman 简称TE)的研究,探讨基于核主角的故障检测方法。其主要研究内容如下：

1、对本文所研究的课题进行简单介绍，了解其背景和意义，通过列举历史上因为生产系统故障而导致的重大生产安全事故的事例说明故障检测技术的重要性，然后介绍了故障检测的主要内容，并且对不同的故障检测方法分别进行简单的介绍和分析。

2、对基于传统主元分析的故障检测方法进行简单叙述，介绍其工作的原理，并提出它存在的缺点——不能够很好的适用于non-linear系统，从而引出本文的研究主旨——基于核主角的故障检测方法。

3、对基于核主角的故障检测过程进行详细地介绍。核主角的主要内容由特征子空间和核主角测量两部分构成，不同的工作情况下产生相对应的特征子空间，它是依据测量的核主角变化来对系统进行检测，且特征子空间之间的差异程度可以通过它们彼此的距离来表示，所以在第二部分对特征子空间的原理和核主角的计算做了详细的描述，为下面仿真实验做好准备。

4、对TE过程进行介绍，简单描述了TE的工艺过程和组成框架，讲述了TE过程的运作方式，具体描述其发生的反应，并在列表中列出它含有的成分测量值和测量变量（即41个测量变量）、12个控制变量和21种过程设定的故障，同时对TE的过程数据进行研究分析，以便于仿真实验。文献综述

5、通过MATLAB软件对过程进行仿真，先对零故障情况的过程进行仿真，再分别对故障4和故障11进行仿真，分别将零故障时的检测图与故障4和故障11的检测图进行比较，证明基于核主角的故障检测方法可以较好地应用于非线性系统中。

2  相关故障检测方法

     基于数据驱动的故障检测方法又可分为：⑴、多元统计方法，⑵、信息融合方法，⑶、机器学习方法等。其中（1）在工业故障检测领域运用的最为普遍[18][19]。

多元统计方法又包括①、主元分析法，②、部分最小二乘法，③、费舍尔判别分析法等。方法①即主成分分析，也可称之为主分量分析，主元分析在保留原有变量参数大多数有用信息的前提下，将原样本数据从高维空间投影至低维空间中，以减少需要计算的数据量，提高其分析速度，且它是一种对给定变量参数进行降维的线性方法[20]。 核主角的TE过程故障检测系统设计(4):http://www.youerw.com/zidonghua/lunwen_78541.html