首页> 正文

动态过程数据的多变量统计监控方法研究

2020-11-22阅读(788)

动态过程数据的多变量统计监控方法研究

论文摘要

本文研究的统计监控方法属于过程系统工程中的多变量统计过程控制（Multivariate Statistical Process Control,MSPC）领域,是一类既可离线分析又可在线实施的数据驱动（Data-driven）的方法。由于过程复杂的内在机制、各种随机噪声和干扰的存在、闭环控制器的广泛采用以及实时监控的要求,过程数据往往都存在着与时间相关的动态性,但是对于复杂的多变量系统要建立准确的动态模型十分困难,对于这种动态过程数据的多变量统计监控的是个非常有挑战性的问题。多变量统计监控从目的上来说,与常规的系统辨识、滤波或控制方法需要基于比较准确的动态系统模型来进行推断不同,只是侧重于对反映系统变动的统计指标的描述,籍此本文主要研究了与动态过程数据监控相关的非模型方法,这类方法从统计和统计学习的角度,结合了多元统计分析、质量控制、动态性质的描述和时频变换来完成对动态过程数据的多变量统计监控,避免复杂的模型参数的确定,本文的主要研究工作包括: （1） 针对常规MSPC方法在故障检测、故障变量辨识和故障识别中的难点,提出了多元特征提取方法与基于支持向量机（Support Vector Machine,SVM）的一类分类器设计、特征选择以及多类分类器设计方法相结合的一种完整的改进MSPC方法,其中故障检测方法去除了特征满足特定分布的假设前提,并可确定多个统计量的控制限;故障变量辨识方法中综合考虑了故障对于各个变量大小的影响以及变量变化对于故障分类的重要性,提高了关键变量选择的准确性;而故障识别方法是基于SVM对故障特征分类的优良特性,避免了传统判别法中经验准则的引入。上述方法在标准仿真问题Tennessee Eastman过程上结合主元分析（Principal Component Analysis,PCA）方法进行了应用,结果显示了其有效性; （2） 探讨了动态多变量数据在样本不独立且不满足正态分布的情况下的控制图修正方法,首先指出了用非参数方法调整控制限或者构建考虑了自相关特性的统计量的常规方法,在此基础上结合具有记忆效应的指数加权移动平均（Exponentially Weighted Moving Average,EWMA）控制图和滑动块自举（Moving Blocks Bootstrap,MBB）控制图处理自相关数据的优点,提出了一种改进的滑动块自举法eMBB（EWMA-Moving Blocks Bootstrap,eMBB）,该方法首先采用特征提取算法获得隐变量,然后构造新的eMBB自举统计量,以适应更

论文目录

  • 摘要
  • ABSTRACT
  • 致谢
  • 目录
  • 第一章 绪论
  • 1.1 相关领域
  • 1.1.1 动态过程数据的含义
  • 1.1.2 MSPC方法的含义
  • 1.2 研究现状
  • 1.2.1 故障检测方法综述
  • 1.2.2 故障诊断方法综述
  • 1.3 本文的内容
  • 1.3.1 前提条件
  • 1.3.2 研究内容和论文结构
  • 第二章 基础知识
  • 2.1 引言
  • 2.2 特征提取算法
  • 2.2.1 主元分析
  • 2.2.2 偏最小二乘
  • 2.2.3 典型变量分析
  • 2.2.4 独立成分分析
  • 2.3 特征分析方法
  • 2.3.1 故障检测
  • 2.3.2 故障变量辨识
  • 2.3.3 故障识别
  • 2.4 随机信号和协方差矩阵
  • 2.5 动态过程数据监控的非模型法
  • 2.5.1 控制图修正的方法
  • 2.5.2 基于动态隐变量的方法
  • 2.5.3 基于小波变换的方法
  • 第三章 基于支持向量机的方法
  • 3.1 引言
  • 3.2 支持向量机的基本理论
  • 3.3 方法描述
  • 3.3.1 故障检测方法
  • 3.3.2 故障变量辨识方法
  • 3.3.3 故障识别方法
  • 3.4 仿真应用
  • 3.4.1 故障检测
  • 3.4.2 故障变量辨识
  • 3.4.3 故障识别
  • 3.5 本章小结
  • 第四章 控制图修正的方法
  • 4.1 引言
  • 4.2 常规方法
  • 4.2.1 经验参考分布法
  • 4.2.2 自举控制图
  • 4.2.3 CUSUM和EWMA控制图
  • 4.3 改进的多变量移动块自举法
  • 4.3.1 方法描述
  • 4.3.2 评价原则
  • 4.4 仿真应用
  • 4.4.1 参数选择
  • 4.4.2 方法比较
  • 4.5 本章小结
  • 第五章 基于动态隐变量的方法
  • 5.1 引言
  • 5.2 方法描述
  • 5.2.1 特征空间的性质和检测方法
  • 5.2.2 时滞变量和时滞长度的选择
  • 5.2.3 故障变量辨识
  • 5.3 仿真研究
  • 5.3.1 标准的多元动态过程
  • 5.3.2 双效蒸发过程
  • 5.4 本章小结
  • 第六章 基于时频变换的方法
  • 6.1 引言
  • 6.2 时频变换的基本理论
  • 6.2.1 离散傅里叶变换
  • 6.2.2 离散小波变换
  • 6.3 基于尺度特征的故障检测和识别
  • 6.3.1 尺度特征的性质分析
  • 6.3.2 基于尺度特征的故障检测
  • 6.3.3 基于尺度特征的故障识别
  • 6.4 仿真研究
  • 6.4.1 CSTR过程简介
  • 6.4.2 解自相关的校验
  • 6.4.3 故障检测与识别
  • 6.5 本章小结
  • 第七章 方法的集成和工业实施
  • 7.1 引言
  • 7.2 方法集成和融合
  • 7.2.1 动态方法的集成
  • 7.2.2 方法的融合
  • 7.3 工业实施
  • 7.4 某LLDPE装置的监控系统设计
  • 7.4.1 监控系统的总体框架
  • 7.4.2 反应器结块的统计监视模型
  • 7.5 本章小结
  • 第八章 结束语
  • 8.1 研究工作总结
  • 8.2 研究展望
  • 参考文献
  • 重要名词及其索引
  • 独创性声明
  • 作者攻读博士学位期间发表和参与完成的学术论文
  • 作者攻读博士学位期间参与的科研项目
  • 作者简介

    • 相关论文文献

    • [1].系统的控制策略对多变量统计监控性能的影响[J]. 浙江大学学报(工学版) 2009(01)
    • [2].自相关过程的多变量统计过程监控[J]. 上海交通大学学报 2008(03)
    • [3].在线多尺度滤波多变量统计过程的适时监测[J]. 重庆大学学报 2010(06)
    • [4].因子分析在消费者对钙认知中的应用[J]. 科技情报开发与经济 2008(35)
    • [5].多变量统计过程控制方法在火灾自动探测中的应用[J]. 消防科学与技术 2008(04)
    • [6].拉曼光谱结合多变量统计方法在无损区分寿山石和老挝石中的应用[J]. 光学学报 2016(12)
    • [7].基于电子舌技术的不同品牌市售干脆面滋味品质评价[J]. 食品与发酵工业 2016(06)
    • [8].TE过程微小故障的多变量统计方法[J]. 计算机与应用化学 2017(11)
    • [9].基于电子舌技术对市售方便面调味粉包滋味品质的评价[J]. 中国调味品 2016(11)
    • [10].基于核磁共振的益母草碱抗急性心肌缺血的代谢组学研究[J]. 中国药理学通报 2017(09)
    • [11].基于电子舌技术的市售苏打水滋味品质评价[J]. 食品研究与开发 2016(10)
    • [12].基于多变量统计过程监控的盾构机故障诊断[J]. 中国工程机械学报 2012(02)
    • [13].多变量统计方法监测化工过程的缓变故障[J]. 计算机与应用化学 2009(10)
    • [14].一种基于多尺度分析的多变量统计过程监测方法[J]. 化工学报 2009(04)
    • [15].HPLC结合多变量统计建立野生与人工沉香的识别模型[J]. 林产化学与工业 2018(06)
    • [16].中国宗教心理学实验研究的可行性和重大主题[J]. 宗教心理学 2014(00)
    • [17].连续聚合反应的ICA故障诊断方法研究[J]. 化学工程与装备 2010(01)
    • [18].武汉地区新生儿出生缺陷治疗现状的研究及其对策[J]. 数理医药学杂志 2010(04)
    • [19].基于MCUSUM-ICA-PCA的微小故障检测[J]. 浙江大学学报(工学版) 2008(03)
    • [20].基于数据相似度的间歇过程在线监控[J]. 清华大学学报(自然科学版) 2008(07)
    • [21].功能词汇计算研究综述[J]. 复旦外国语言文学论丛 2011(02)

    标签：;  ;  ;  ;  ;  

    动态过程数据的多变量统计监控方法研究
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5