故障诊断技术

姓名

部门

以下哪个不是传感器故障

下面哪个是硬故障

阀门常见故障通常可以分为多少种

下列哪项是执行器故障

请指出图中故障发生时刻

下面哪幅图描述的是精度下降故障

下面哪个是主元分析的简称

下面哪个不是PCA的重要指标参数

其中，统计量k代表什么

设计如下故障

请问下属方法，哪个监控技术更好

偏差故障会导致故障测量值与正确测量值相差某一个恒定常数。

阀门故障是一类常见的传感器故障。

在过程监控领域相比其它方法，PCA具有适应性强、更易实现等优点。

基于PCA的故障诊断技术中，主元数目越少，小故障越容易被检测出来。

传统PCA为了推导SPE和T2统计量的分布以及确定控制限，一般假设过程变量服从正态分布。

ICA方法克服了“过程变量服从正态分布”这一硬性假设，利用信号的高阶统计信息，将混合信号分解成相互独立的非高斯成分，避免了高维的概率密度估计问题。

KPCA技术主要克服了PCA技术不能处理过程非线性的难题。

SPE统计量是通过分析新的测量数据的残差进行故障诊断，用以表明这个采样数据在多大程度上符合主元模型，它衡量了这个数据点不能被主元模型所描述的信息量的大小。

故障检测就是检测系统中各个监测点的数据有无异常，它通常是将测量数据与系统校验模型相比较来实现的。

基于多变量统计的故障诊断方法 主要 依赖于过程模型，近年来在过程工业中得到广泛的应用。

             、PCR、PLS和CCA都属于基于投影的统计降维技术，常用于故障的检测与隔离。

构造主元模型时必须确定主元的个数，而主元个数的确定应考虑两个方面的因素：即原始测量数据维数的降低和原始测量数据信息的丢失。主元数目取的           ，又会使残差子空间包含的信息            ，使得故障对残差影响不大，故障难于被监测出。（太少、太大、混杂）

PCA(PLS，PcR等多变量技术也存在此问题)在内的传统的多元统计方法在建模推导中作了一些假设：(1)各变量都服从                           ;(2)过程是                                ;(3)过程处于                         ，不存在              ;(4)过程参数                       。