基于统计过程控制与黎曼几何分析的化工过程系统在线故障检测与分类
信号处理
2025-10-31 v1 其他统计学
摘要
在本工作中，我们研究了一个名为FARM的集成故障检测和分类框架，用于快速、准确和稳健的在线化工过程监控。FARM框架整合了统计过程控制（SPC）用于监控非参数和异构数据流的最新进展，以及基于黎曼几何的新型数据分析方法，形成一个用于在线过程监控的分层框架。我们对FARM监控框架进行了系统评估，使用田纳东过程（TEP）数据集。结果表明，FARM在检测故障率（FDR）、检测速度（FDS）和误报率（FAR）之间取得了良好的平衡。具体而言，FARM实现了96.97%的平均FDR，同时在成功检测已知的难检测故障（包括故障3、9和15）方面优于基准方法，分别达到97.08%、96.30%和95.99%。就FAR而言，我们的FARM框架允许用户自定义其选择的FAR，从而提供了很大的灵活性。此外，我们报告了在利用黎曼几何分析实现在线监控期间，平均故障分类准确率从61%显著提高到82%，进一步通过纳入来自SPC的额外特征提升到84.5%。这说明了在整合故障检测和分类于holistic、分层监控框架中，两者之间存在协同效应。
引用
@article{arxiv.2504.01276,
title = {Online Fault Detection and Classification of Chemical Process Systems Leveraging Statistical Process Control and Riemannian Geometric Analysis},
author = {Alireza Miraliakbar and Fangyuan Ma and Zheyu Jiang},
journal= {arXiv preprint arXiv:2504.01276},
year = {2025}
}
备注
Under review at Computers and Chemical Engineering