基于MSPC的故障检测与诊断方法研究

论文摘要

随着工业进程与科学技术的迅速发展,现代工业系统结构日益大型化、复杂化,影响系统正常运行的因素骤增,给系统的安全性和可靠性带来了很大挑战。因此,采用多元统计过程控制的方法对工业过程进行监控,达到检测异常状况与故障诊断的目的,显得极有意义。本文在总结国内外工业过程故障诊断技术现状的基础上,对其中较为重要的主元分析、部分最小二乘等关键技术进行了深入的研究,对传统的主元分析和判别式部分最小二乘进行了改进,具体包括:1.利用主元相关变量残差和一般变量残差来代替Q统计量,解决了过程运行中出现某些故障类时,传统主元分析模型T 2与Q统计量持续时间过短的问题,为操作工人提供更加准确详细的信息。2.利用小波的多分辨率特性对含噪信号进行多尺度小波变换,在各尺度下尽可能提取出信号的小波系数而去除属于噪声的小波系数,再由逆小波变换重构信号,然后结合核主元分析去除变量线性相关性以及提取原始数据非线性统计特征的优点,对小波消噪后的数据进行核主元分析,提高模型的故障检测性能。3.利用正交信号修正去除自变量矩阵中大量与因变量无关的信息,再对处理后的数据进行判别式部分最小二乘建模,从而改善模型回归结果,提高模型的稳健性和故障诊断性能。分别将上述改进方法应用于TE过程的故障检测与诊断,仿真结果显示,第一种方法与主元分析模型相比,统计量持续时间明显得以延长,能够提供更加确切的过程信息;第二种、第三种方法分别与主元分析、判别式部分最小二乘模型相比,在误报、诊断能力上,都有较为明显的提高,从而说明所提出的改进方法是有效、切实可行的。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 故障诊断的研究内容及现状
• 1.2.1 故障诊断的概念
• 1.2.2 故障诊断方法分类
• 1.3 基于多元统计的故障诊断技术
• 1.3.1 单变量统计过程控制的局限性
• 1.3.2 基于多元统计故障诊断技术的发展
• 1.3.3 各种改进的方法
• 1.4 本文主要工作和结构
• 第2章 多元统计理论基础
• 2.1 引言
• 2.2 主元分析
• 2.2.1 PCA 简介
• 2.2.2 PCA 模型监测指标
• 2.2.3 PCA 的优点和局限性
• 2.3 部分最小二乘
• 2.3.1 PLS 简介
• 2.3.2 PLS 算法描述
• 2.3.3 PLS 隐变量的确定
• 2.3.4 PLS 的优点和局限性
• 2.4 小结
• 第3章 基于改进PCA 的故障检测方法研究
• 3.1 引言
• 3.2 TE 过程简介
• 3.3 PCA 模型PVR 与CVR 统计量
• 3.3.1 主元相关变量与一般变量
• 3.3.2 PVR 与CVR 统计量定义
• 3.3.3 PVR 与CVR 统计量控制限
• 3.4 基于改进PCA 的TE 过程故障检测
• 3.4.1 数据的标准化
• 3.4.2 改进PCA 在TE 过程故障检测中的应用
• 3.5 小结
• 第4章 基于小波分析与核主元分析的故障检测方法研究
• 4.1 引言
• 4.2 小波分析
• 4.2.1 多分辨率分析
• 4.2.2 小波变换
• 4.2.3 小波去噪原理
• 4.3 基于核主元分析的故障检测原理
• 4.3.1 核主元分析原理
• 4.3.2 KPCA 模型监测指标
• 4.4 基于小波分析与核主元分析的故障检测
• 4.4.1 小波消噪实现
• 4.4.2 基于小波分析和核主元分析TE 过程的故障检测
• 4.5 小结
• 第5章 基于正交信号修正与判别式部分最小二乘的故障诊断方法研究
• 5.1 引言
• 5.2 正交信号修正
• 5.2.1 OSC 方法
• 5.2.2 改进的OSC 方法
• 5.3 判别式部分最小二乘的基本原理
• 5.4 基于OSC-DPLS 模型的TE 过程故障诊断
• 5.5 小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和获得的科研成果
• 致谢
• 详细摘要