Resumen

En el análisis tradicional de componentes principales (ACP), al no tenerse en cuenta la influencia de las dimensiones entre las distintas variables del sistema, los componentes principales (CP) seleccionados no suelen ser representativos. Aunque el ACP de transformación relativa puede resolver el problema anterior, no es fácil calcular el peso de cada variable característica. Para resolverlo, este trabajo propone un tipo de método de diagnóstico de fallos basado en la entropía de la información y el Análisis de Componentes Principales Relativo. En primer lugar, el algoritmo calcula la entropía de la información para cada variable característica en el conjunto de datos original basándose en el algoritmo de ganancia de información. En segundo lugar, estandariza la dimensión de cada variable en el conjunto de datos. A continuación, en función de la entropía de la información, asigna un peso a cada variable característica normalizada. Por último, utiliza el modelo de componentes principales relativos establecido para el diagnóstico de fallos. Además, los experimentos de simulación basados en los conjuntos de datos del proceso Tennessee Eastman y Wine demuestran la viabilidad y eficacia del nuevo método.

• Materias:Control del proceso Aerodinámica Diagnóstico de fallas Regulación automática Instrumentación automática
• Subjects: Aerodynamics Fault diagnosis Automatic regulation Automatic instrumentation
• Palabras claves:entropía de la información, variable característica, análisis relativo de componentes principales, análisis tradicional de componentes principales, proceso tennessee eastman, método de diagnóstico de fallos, transformación relativa pca, variable característica normalizada, algoritmo, peso
• Keywords:information entropy, characteristic variable, relative principle component analysis, traditional principle component analysis, tennessee eastman process, fault diagnosis method, relative transformation pca, standardized characteristic variable, algorithm, weight