한국지능시스템학회논문지 (Journal of the Korean Institute of Intelligent Systems)

  • 제13권5호
  • /
  • Pages.600-605
  • /
  • 2003
  • /
  • 1976-9172(pISSN)
  • /
  • 2288-2324(eISSN)
한국지능시스템학회 (Korean Institute of Intelligent Systems)
권호 표지
DOI QR코드

DOI QR Code

PCA-기반 고장 진단 시스템 설계에 관한 연구

A study on the design of fault diagnostic system based on PCA

  • 김성호 (군산대학교 전자정보공학부) ;
  • 이영삼 (군산대학교 전자정보공학부) ;
  • 한윤종 (군산대학교 전자정보공학부)
  • 발행 : 2003.10.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

주성분 분석은 공정의 모니터링과 고장진단을 위한 유용한 방법으로 알려져 있으며 일반적으로 잔차와 주성분의 해석을 통하여 고장의 원인을 분류하고 있다. 대규모 공정에서는 이러한 방법이 적용상의 한계를 가지고 있다. 본 논문에서는 보다 향상된 고장진단을 위해 주성분 분석에 FCM-기반 고장 진단 알고리즘을 결합하였고 Two-tank 시스템을 이용하여 주성분 분석을 이용한 FCM-기반 고장진단 알고리즘의 구현하여 적용하였다.

PCA(Principle Component Analysis) has emerged as a useful tool for process monitoring and fault diagnosis. The general approach requires the user to identify the root cause by interpreting the residual or principle components. This could be tedious and often impossible for a large process. In this paper, PCA scheme is combined with the FCM-based fault diagnostic algorithm to enhance the diagnostic results. The implementation of the FCM-based fault diagnostic system by using PCA is done and its application is illustrated on the two-tank system.

키워드

참고문헌

  1. Venkatasubramanian, V., S.N. Kavuri,"Process fault diagnosis-An Overview", CIPAC Tech. Report, Purdue University, 1995.
  2. J. Shiozaki, and H. Matsuyama, "An Improved Algorithm for Diagnosis of System Failure in Chemical Processes", Comput. Chem. Eng, Vol. 9, 1985.
  3. B. Kosko, "Neural Networks and Fuzzy Systems", A Dynamical Systems Approach to Machine Intelligence, Prentice Hall, 1992.
  4. K.S. Lee, S.H. Kim and N. Sakawa, "On-Line Fault Diagnosis by using Fuzzy Cognitive Map", IEICE Trans. on Fundamentals, Vol. E-79-A, no. 6, 1996.
  5. MacGregor, K. Costas, "Process monitoring and diagnosis by multiblock PLS methods", AIChE J., Vol.40, No.5, pp.826-838, 1994. https://doi.org/10.1002/aic.690400509
  6. Dunia, R., S.J. Qin, "Identification of faulty sensors using principle component analysis", AIChE J., Vol.42, No.10, pp.2797-2812, 1996. https://doi.org/10.1002/aic.690421011
  7. Jolliffe, I. T, "Discarding variables in a principal component analysis. I. Artificial data", Appl. Statist, Vol. 21, pp.160-173. 1972. https://doi.org/10.2307/2346488
  8. Jolliffe, I. T, "Discarding variables in a principal component analysis. II. Real data", Appl. Statist, Vol. 22, pp.21-31. 1973. https://doi.org/10.2307/2346300
  9. M.Iri, K. Aoki, E. O'Shima, and H. Matsuyama, "An algorithm for diagnosis of system failures in the chemical process," Comput. Chem. Eng., Vol. 3, p.489, 1979. https://doi.org/10.1016/0098-1354(79)80079-4