Detección de fallos dinámica y descentralizada basada en métodos de regresión

Abstract

Este artículo propone un método de detección de fallos dinámico y descentralizado. Para hacer la detección de los fallos descentralizada, la planta se divide en bloques de variables que compartan algún tipo de correlación usando métodos de regresión. En cada grupo se incorpora un método de detección de fallos dinámico, en concreto el método DPCA: Análisis de componentes principales dinámico, cuyos resultados son fusionados por un procesador central, utilizando el Criterio de Inferencia Bayesiano (BIC), devolviendo un resultado global. Esta propuesta ha sido aplicada sobre un modelo de planta industrial ampliamente utilizado y comparado con el DPCA centralizado para verficar su efectividad.

This article proposes a dynamic and decentralized fault detection method. The plant is divided in blocks using the existing relationships between variables found by regression methods. Each group of variables has a dynamic fault detection method, DPCA, which sends its results to a central processor that fuses the local results using the Bayesian Inference Criterion (BIC), resulting in a global diagnosis. This proposal has been tested on an industrial plant model and compared with the DPCA method to verify its effectiveness.