过程监控与故障诊断的ICA_MPCA方法

论文摘要

在工业过程中,有效的过程监控是保证生产安全的关键。通过监测生产过程的运行状态,及时有效地检测故障发生,从而来保证生产过程安全运行和提高产品质量一致性,是进行工业过程监控的目的。传统的用于过程监控的方法有基于数学模型和基于知识的方法。然而,准确详细的数学模型往往很难得到,而且经验知识有限,限制了这两种方法在过程监控中的应用。随着计算机控制技术的快速发展,大量的过程数据被采集并存储下来。如何充分利用这些存储的数据信息,提高过程监控能力,是过程控制领域的研究热点之一。因此,基于数据驱动的过程监控方法应运而生。常用的基于数据驱动的过程监控方法有主元分析方法和多向主元分析方法等。而这些方法受限于工业数据是否服从特定分布并依赖于预估的未来输出。本文针对这些局限性,提出了一种基于独立成分分析理论和步进多向主元分析理论的过程监控与故障诊断的新方法,即ICA_MPCA方法。该方法通过将观测变量转换为互不相关的独立成分,克服了工业数据需要服从特定分布的限制;同时利用步进多向主元分析方法建立了一系列主元分析模型,避免了传统方法在线监控时需要预测过程未来输出而产生的漏报错报现象。本文首先概述了工业过程监控的研究现状,介绍了传统的过程监控和故障诊断方法。其次,详细介绍了独立成分分析和多向主元分析的相关理论。再次,建立了基于独立成分分析理论和多向主元分析理论的过程监控与故障诊断的新方法。最后,利用新的方法给出了实现过程监控与故障诊断的一种具体方案。仿真试验验证了该方法的有效性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 过程监控的研究现状与发展
• 1.2.1 基于解析模型的方法
• 1.2.2 基于知识的方法
• 1.2.3 基于信号处理的方法
• 1.2.4 基于数据驱动的方法
• 1.3 论文研究的目的和意义
• 1.4 本文的主要研究内容
• 2 独立成分分析方法及其在过程监控中的应用
• 2.1 独立成分分析方法（ICA）基本理论
• 2.1.1 随机变量的独立性概念
• 2.1.2 ICA的基本模型
• 2.1.3 ICA的估计原理
• 2.1.4 ICA的基本算法
• 2.2 基于ICA算法的过程监控
• 2.2.1 独立分量空间的划分
• 2.2.2 统计量控制限的计算
• 2.2.3 变量贡献图
• 2.2.4 ICA过程监控
• 2.3 ICA方法应用于TE（Tennessee Eastman）过程的故障诊断
• 2.3.1 TE过程简介
• 2.3.2 监控结果与讨论
• 2.4 本章小结
• 3 步进多向主元分析方法及其在过程监控中的应用
• 3.1 主元分析（PCA）方法
• 3.1.1 主元分析方法的基本思想
• 3.1.2 主元分析算法
• 3.1.3 主元分析的统计量及其控制限
• 3.1.4 主元分析过程监控
• 3.2 多向主元分析（MPCA）方法
• 3.2.1 间歇生产过程
• 3.2.2 MPCA方法的原理
• 3.2.3 MPCA方法在线监控的数据填充
• 3.3 步进多向主元分析（步进MPCA）方法
• 3.3.1 数据集的相似度
• 3.3.2 步进MPCA算法
• 3.4 青霉素发酵过程的监控
• 3.4.1 青霉素发酵过程描述
• 3.4.2 步进MPCA算法在青霉素发酵过程监控中的应用
• 3.5 本章小结
• 4 基于ICA MPCA的生产过程监控
• 4.1 基于ICA MPCA的过程监控
• 4.2 DuPont间歇聚合过程监控应用
• 4.2.1 DuPont间歇聚合过程描述
• 4.2.2 ICA MPCA监控结果
• 4.3 本章小结
• 结论与展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢