復(fù)雜化工過程的故障檢測(cè)與診斷研究.pdf

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

2、時(shí)間動(dòng)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(dòng)態(tài)獨(dú)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(cè)模型。首先，構(gòu)造含有時(shí)間延遲變量 l的動(dòng)態(tài)增廣矩陣，利用獨(dú)立成分分析(ICA)算法應(yīng)用于動(dòng)態(tài)增廣矩陣，進(jìn)而得到過程數(shù)據(jù)的動(dòng)態(tài)獨(dú)立成分；然后，將得到的動(dòng)態(tài)獨(dú)立成分應(yīng)用于支持向量數(shù)據(jù)描述(SVDD)算法，從而構(gòu)建相應(yīng)的統(tǒng)計(jì)限和統(tǒng)計(jì)量，實(shí)現(xiàn)在線過程故障檢測(cè)；最后，進(jìn)行田納西-伊斯曼(TE)過程平臺(tái)的數(shù)值仿真

3、實(shí)驗(yàn)分析，驗(yàn)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(cè)模型的檢測(cè)結(jié)果對(duì)比分析，比較結(jié)果表明：所提出檢測(cè)模型較基于 PCA算法故障檢測(cè)模型的性能更優(yōu)，驗(yàn)證了所提出檢測(cè)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(diǎn)，當(dāng)故障發(fā)生時(shí)如何能在第一時(shí)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(duì)這個(gè)問題，提出了一種基于獨(dú)立成分分析和主成分分析(ICA-PCA)以及最小絕對(duì)收縮和選擇算子(L

4、asso)回歸算法的過程故障檢測(cè)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(hào)和非高斯信號(hào)，進(jìn)一步構(gòu)造 I2、T2以及 SPE統(tǒng)計(jì)量并確定其相對(duì)應(yīng)的統(tǒng)計(jì)限，檢測(cè)出過程故障產(chǎn)生時(shí)間，實(shí)現(xiàn)過程檢測(cè)；然后，利用故障檢測(cè)獲得的故障信息，進(jìn)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(shí)的主要異常變量，實(shí)現(xiàn)故障診斷。最后，對(duì) TE過程數(shù)據(jù)進(jìn)行了仿真分析，并與分布式PCA貢獻(xiàn)圖法的診斷結(jié)果進(jìn)行了對(duì)比分析，結(jié)