PCA原理、应用及优缺点

PCA方法
2.统计量和控制限的确定 常用的多变量统计控制图有平方预测误差 SPE (或Q)图,T2图、主元得分图、贡献图等。建 立PCA模型后,采用多元统计控制SPE(或Q)图和 T2图,可进行过程监测。如果生产过程的实时数据 经统计投影计算,在统计意义上与建模数据没有大 的差别,即认为当前生产过程与建模数据一样处于 正常工况下,在多元统计控制图上表现为控制图没 有显著的变化。
PCA原理、应用及优缺点
硕自0801 金鑫 09.04.08
PCA介绍
主元分析法(Principal Component Analysis，简 称PCA)，或称主分量分析，是多元统计分析方法 中一种最主要的分析方法，它是建立在矢量表示 的统计特性基础上的变换。它研究如何将多指标 的问题转化为较少的综合指标的一种重要方法， 即就是将高维空间的问题转化到低维空间去处理， 使问题变的比较简单、直观。而这些较少的综合 指标之间互不相关，又能提供原有指标的绝大部 分信息。
PCA方法
1.主元模型 在实施多变量统计控制时,需要建立一个反映 过程正常运行的主元模型。将反映过程正常运行 的历史数据收集起来,对其进行主元分析,建立主 元模型。由于主元分析的结果受数据尺度的影响, 因此在进行主元分析时,需要先将数据进行标准化, 即将每个变量的均值减掉以后除以它的标准差。
Hale Waihona Puke Baidu
故障检测与诊断中的应用
步骤1：对象描述，找出主要成分； 步骤2：分析过程工艺流程，制定控制变量 表、过程变量表、成分测量表和过程故障 表等等； 步骤3：应用PCA方法进行分析、仿真及预 测。
故障诊断中应用PCA优势
1.能够对过程的非正常变化做出反应； 2.能够较正确地找出发生故障的原因以及 相应的环节。