復雜化工過程的故障檢測與診斷研究.pdf

1、數(shù)據(jù)驅(qū)動模型是解決故障檢測與診斷問題的有效方法，特別是針對復雜化工過程控制與檢測方面問題；其中，多元統(tǒng)計分析法已經(jīng)成為數(shù)據(jù)驅(qū)動模型在復雜故障檢測領(lǐng)域應用較廣泛地一類。本研究課題的主要內(nèi)容是針對復雜多變量化工過程領(lǐng)域的故障檢測與診斷方法研究，并通過田納西-伊斯曼(TE)模擬仿真平臺對所提出的方法進行仿真驗證分析。因此，本論文所采用數(shù)據(jù)均由TE平臺生成并采集，并通過所提出的以下兩種方法進行有效性驗證闡述。
　　針對復雜化工過程通常具有

2、時間動態(tài)特性和非線性，且過程數(shù)據(jù)表現(xiàn)為自相關(guān)性和互相關(guān)性，提出了一種動態(tài)獨立成分分析和支持向量數(shù)據(jù)描述(DICA-SVDD)的過程故障檢測模型。首先，構(gòu)造含有時間延遲變量 l的動態(tài)增廣矩陣，利用獨立成分分析(ICA)算法應用于動態(tài)增廣矩陣，進而得到過程數(shù)據(jù)的動態(tài)獨立成分；然后，將得到的動態(tài)獨立成分應用于支持向量數(shù)據(jù)描述(SVDD)算法，從而構(gòu)建相應的統(tǒng)計限和統(tǒng)計量，實現(xiàn)在線過程故障檢測；最后，進行田納西-伊斯曼(TE)過程平臺的數(shù)值仿真

3、實驗分析，驗證所提出模型的有效性。并與原有基于主成分分析(PCA)法故障檢測模型的檢測結(jié)果對比分析，比較結(jié)果表明：所提出檢測模型較基于 PCA算法故障檢測模型的性能更優(yōu)，驗證了所提出檢測模型的有效性。
　　工業(yè)系統(tǒng)過程往往具有過程變量多的特點，當故障發(fā)生時如何能在第一時間定位出主要異常突變變量，已成為工業(yè)過程故障診斷方面的首要問題。針對這個問題，提出了一種基于獨立成分分析和主成分分析(ICA-PCA)以及最小絕對收縮和選擇算子(L

4、asso)回歸算法的過程故障檢測與診斷的集成模型。首先，利用 ICA-PCA方法提取過程數(shù)據(jù)的高斯信號和非高斯信號，進一步構(gòu)造 I2、T2以及 SPE統(tǒng)計量并確定其相對應的統(tǒng)計限，檢測出過程故障產(chǎn)生時間，實現(xiàn)過程檢測；然后，利用故障檢測獲得的故障信息，進而建立基于Lasso回歸算法的故障診斷模型，定位并選擇出故障發(fā)生時的主要異常變量，實現(xiàn)故障診斷。最后，對 TE過程數(shù)據(jù)進行了仿真分析，并與分布式PCA貢獻圖法的診斷結(jié)果進行了對比分析，結(jié)