基于MCUSUM-ICA-MSPCA的流程工业故障诊断和预测研究

论文摘要

生产过程的故障诊断和预测一直是流程工业系统关注的主要问题之一。故障诊断的目的就是通过实时的监测生产过程的运行状态,及时发现不正常情况,并且找出故障原因,解决问题,使生产恢复到正常运行状态。故障诊断的方法有很多种（详见第1.2.3节）,方法的选用要考虑到不同的监控对象及其复杂程度以及监控效率。随着工业生产过程系统越来越复杂,包括系统的时变性、非线性、大延时、强耦合性等特点,给监控系统的算法使用带来很多难题。多变量统计方法自从被引入到故障诊断领域后,显示了极强的生命力和适应能力,近些年得到了广泛的发展。独立成分分析方法是近几年新引入的一种多变量统计方法,本文以独立成分分析ICA和主元分析PCA方法为基础,通过分析现有方法的研究现状,对传统的PCA方法在多尺度方面做了改进,并利用主元空间差别D作为统计控制指标,更有效地提高算法对过程变化的分析与诊断能力;在对独立成分分析方法的原理和应用做了细致研究的基础上,以田纳西-伊斯曼过程为仿真平台,对ICA方法的应用效果和使用范围进行了深入探讨;针对流程工业中微小故障的特点,引入了多变量累积和控制图的方法,在对微小故障案例的早期预测上起到了良好的监控效果;在提出ICA-MSPCA两步信息提取策略的基础上,综合提出了一种新的基于MCUSUM-ICA-MSPCA方法的流程工业生产过程监控算法,弥补了其他方法的监控缺陷,并通过标准过程仿真模型田纳西伊斯曼过程进行仿真研究,取得了良好的监控效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 故障诊断相关概念和方法综述
• 1.2.1 故障的概念
• 1.2.2 过程监控的概念
• 1.2.3 过程监控的方法
• 1.3 统计过程监控的研究现状
• 1.3.1 单变量过程监控方法
• 1.3.2 多变量过程监控方法
• 1.4 田纳西伊斯曼过程简介
• 1.5 本文主要研究内容
• 第二章 MSPCA 方法在故障诊断中的应用与研究
• 2.1 小波分析
• 2.1.1 连续小波变换
• 2.1.2 离散小波变换
• 2.1.3 多分辨率分析与正交小波变换
• 2.2 多尺度主元分析
• 2.2.1 多尺度分解与离线建模
• 2.2.2 尺度侦查与模型重构
• 2.3 基于MSPCA 的故障诊断系统
• 2.3.1 主元子空间差别D
• 2.3.2 故障检测模型
• 2.3.3 应用改进MSPCA 算法的基本步骤
• 2.4 监控结果与讨论
• 第三章 ICA 方法在故障诊断中的应用与研究
• 3.1 独立成分分析
• 3.1.1 独立成分分析定义
• 3.1.2 独立成分分析估计原理
• 3.1.3 独立成分分析算法
• 3.2 基于ICA 的故障诊断系统
• 3.2.1 小波降噪基本原理
• 3.2.2 过程监控模型的计算
• 3.2.3 统计量控制限的确定
• 3.3 监控结果与讨论
• 第四章 MCUSUM-ICA-MSPCA 在微小故障检测中的应用
• 4.1 累积和控制图
• 4.1.1 CUSUM 控制图的起源
• 4.1.2 CUSUM 控制图的原理
• 4.1.3 CUSUM 控制的设计思想
• 4.2 基于MCUSUM-ICA-MSPCA 的故障检测方法
• 4.2.1 MCUSUM-ICA-MSPCA 基本思想
• 4.2.2 基于MCUSUM-ICA-MSPCA 的过程监测算法
• 4.2.3 过程仿真监控结果
• 4.2.4 几种方法的漏检率比较
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致谢