本发明公开了一种基于分布式PCA的多工况故障监测方法，属于复杂工业过程建模和故障诊断领域。本发明针对一些复杂工业过程中数据呈多工况特性等问题，对多工况过程数据进行局部邻域标准化处理，消除数据的多分布特性；然后进行PCA分解，并在提取的不同主元方向上选择最相关的变量构建子块，实现对整个过程的自动分解，建立分布式故障监测模型，得到相应的监测统计量；最后采用贝叶斯推断方法，对所得到的各子块监测统计量进行融合，实现故障的在线监测。

为了解决目前存在的问题，本发明提出一种基于分布式PCA的多工况故障监测方法，能够很好处理复杂工业过程中的多工况特性。采用局部邻域标准化(LocalNeighborhood Standard，LNS)方法处理多工况数据，在样本维度建立一个全局模型，并通过PCA分解在变量维度实现子块的自动划分；进一步利用LNS-PCA方法提取各个子块中的关键信息，获得分块的监测结果，建立分布式监测模型。考虑方法的在线应用，利用贝叶斯推断方法将所有子块的监测结果融合为一个监测指标，从而在最终决策时不需要观察每个子块的结果，使监测结果更直观合理。

目前现代化工、冶金等工业生产规模的不断扩大，工艺流程复杂程度也越来越高，故障监测已成为过程控制领域的研究热点。

基于这样的背景下，多元统计方法(multivariate statistical processmonitoring,MSPM)已广泛应用于过程监控领域，其中主元分析法(Principal componentsanalysis，PCA)是多元统计方法中最常用的方法，它能对数据进行降维，消除变量间的相关性，通过建立主元子空间和残差子空间的统计量进行过程监控，并能获得较好的监控效果。

现代工业过程往往包含多个操作单元、生产车间，甚至在不同地方的工厂进行生产，不同车间下的生产环境、操作流程也各异，使得直接对过程进行全局监控比较困难，因此研究人员提出了分布式建模的监测策略，即将整个过程分解成不同的子块分别进行监测。

实际工业生产过程会根据需求进行生产工况的切换，因此得到的历史数据往往包含多个操作状态的信息，呈现出多分布的特点，在这种条件下直接对过程建立故障监测模型得不到理想的效果。

当前权利人:江南大学 发明(设计)人:熊伟丽 ；顾炳斌 ；马君霞；江南大学是教育部直属、国家“211工程”重点建设高校和“双一流”建设高校。学校具有悠久的办学历史、厚重的文化积淀，源起1902年创建的三江师范学堂，历经国立中央大学、南京大学等发展时期；1958年南京工学院食品工业系整建制东迁无锡独立建校，成立无锡轻工业学院；1962年无锡纺织工学院并入无锡轻工业学院；1995年更名为无锡轻工大学；2001年无锡轻工大学、江南学院、无锡教育学院合并组建江南大学；2003年东华大学无锡校区并入江南大学。

针对一些复杂工业过程中数据呈多工况特性等问题，对多工况过程数据进行局部邻域标准化处理，消除数据的多分布特性；然后进行PCA分解，并在提取的不同主元方向上选择最相关的变量构建子块，实现对整个过程的自动分解，建立分布式故障监测模型，得到相应的监测统计量；最后采用贝叶斯推断方法，对所得到的各子块监测统计量进行融合，实现故障的在线监测。

科技成果只有通过实施开发应用，使其转化为生产力，才能取得经济效益和社会效益。成果方目标是将科技成果转化为现实生产力，期待有意愿的企业或合作单位进行合作推广或者进行产品生产。考虑合作转化、许可+合作等转化方式与企业、科学技术研究开发机构和其他组织建立合作关系。