田纳西-伊斯特曼过程,也被称作TE过程,主要模拟美国田纳西州一家名为伊斯曼的化工公司的化工过程。TE过程是一个高度复杂、非线性和多变量的过程,涉及到多个阶段和多个控制参数,其中某些参数会相互影响,因此,它是一个理想的测试模型,可用于评估不同的控制算法和性能指标。
TE过程一共有22种工况,其中包括一种正常工况以及21种故障工况。在这21种故障中,故障1、故障2直到故障15以及故障21是预设故障类型。在已知的16个预设故障类型中,存在七种突变类型的故障,编号为1到7,这类故障的特点是具有突然性。此外,存在五种随机类型故障,编号为8到12,它们的特点是故障发生具有不确定性。还存在编号为13的缓慢漂移故障,其特点是发生过程平稳缓慢。以及三种粘滞类型的故障,编号为14、15和21,它们是由于阀门固定导致的。除去预设的故障类型后,编号为16到20的都是未知故障。
鉴于此,采用5种机器学习模型进行TE过程故障检测,运行环境为Python,5种方法分别为:
[1]动态内在最小二乘法的TE过程故障诊断,出图如下:
[2]基于并发潜结构映射的TE过程故障诊断,出图如下:
[3]基于动态内在典型相关分析的TE过程故障诊断,出图如下:
[4]基于动态内在主成分分析的TE过程故障诊断
[5]基于潜在结构全投影的TE过程故障诊断
完整代码可通过知乎学术咨询获得:
Python环境下5种TE过程(Tennessee Eastman Process)故障检测方法
擅长领域:现代信号处理,机器学习,深度学习,数字孪生,时间序列分析,设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。