基于HMM的TE過程在線故障診斷與多步故障預(yù)報(bào).pdf

1、當(dāng)今社會(huì)科學(xué)技術(shù)不斷進(jìn)步，現(xiàn)代化水平越來越高，現(xiàn)代控制系統(tǒng)日益趨向大規(guī)模、復(fù)雜化和自動(dòng)化。隨著系統(tǒng)規(guī)模與復(fù)雜程度的增加，進(jìn)一步提高了對(duì)其安全性的要求。故障診斷與預(yù)報(bào)技術(shù)是增強(qiáng)系統(tǒng)可靠性及降低事故風(fēng)險(xiǎn)的有效途徑。如果在系統(tǒng)出現(xiàn)故障后及時(shí)地檢測(cè)到故障，并辨識(shí)出故障的類型，或在系統(tǒng)只出現(xiàn)很小的異常時(shí)就預(yù)報(bào)出故障的發(fā)展趨勢(shì)，則可準(zhǔn)確及時(shí)地做出有效的維修決策來防止系統(tǒng)故障的進(jìn)一步發(fā)生，從而避免由于故障發(fā)展引起的不必要的損失。鑒于此，本文對(duì)隱馬爾可

2、夫模型（Hidden Markov Model，HMM）的在線故障診斷與多步故障預(yù)報(bào)進(jìn)行了研究，并將其成功應(yīng)用于田納西-伊斯曼（Tennessee Eastman，TE）化工過程中。
　　本文研究的在線故障診斷包括故障的在線檢測(cè)與在線辨識(shí)兩個(gè)方面。故障檢測(cè)是故障診斷的重要部分，本文提出了一種新的基于HMM的在線故障檢測(cè)方法。該方法以一個(gè)新的實(shí)時(shí)統(tǒng)計(jì)量作為在線故障檢測(cè)的量化指標(biāo)，首先采用主元分析方法對(duì)系統(tǒng)變量進(jìn)行特征提取，再利用變長(zhǎng)

3、度滑動(dòng)窗口在線跟蹤動(dòng)態(tài)數(shù)據(jù)得到故障檢測(cè)的實(shí)時(shí)閾值，然后比較待測(cè)系統(tǒng)實(shí)時(shí)統(tǒng)計(jì)量與實(shí)時(shí)閾值的大小來判斷系統(tǒng)是否發(fā)生故障。研究在線故障辨識(shí)需要首先訓(xùn)練系統(tǒng)所有故障情況下的隱馬爾可夫模型得到故障的模型庫(kù)，然后測(cè)試待測(cè)系統(tǒng)運(yùn)行數(shù)據(jù)與各個(gè)模型的匹配程度，來得出待測(cè)系統(tǒng)所發(fā)生的故障屬于哪個(gè)類型。之后將這些方法都帶入TE過程進(jìn)行了仿真驗(yàn)證。
　　最后，根據(jù)HMM的結(jié)構(gòu)和基本算法，在HMM的預(yù)報(bào)模型的基礎(chǔ)上，本文提出了一種基于HMM的多步預(yù)報(bào)方法。