非線性過程的故障分離方法研究.pdf

1、在現代工業(yè)過程中，準確的過程監(jiān)測與故障診斷是保證過程安全、提高生產效益和產品質量的關鍵。隨著檢測技術與計算機技術的不斷發(fā)展以及其在工業(yè)過程中的廣泛應用，過程的數據信息規(guī)模越來越大。如何利用這些歷史數據中的潛在信息指導生產和實踐，提高過程監(jiān)控能力，已成為當前過程控制領域一個十分重要的研究課題。
　　本文在總結和概括基于多元統(tǒng)計分析的過程監(jiān)測及故障分離方法發(fā)展狀況的基礎上，深入研究了非線性過程的監(jiān)測及故障分離問題，論文的主要工作包括:

2、
　　(1)針對傳統(tǒng)PCA重構方法建立重構模型時沒有結合過程正常工況數據、所提取的故障特征方向不能正確分離故障數據中的正常信息與故障信息的缺陷，在傳統(tǒng)方法的基礎上，進一步分析了故障數據與正常數據的關系，進而提取出各類別故障中導致檢測統(tǒng)計量超限報警的故障特征方向。利用所建立的各類別故障的重構模型依次對現場故障數據進行故障重構，只有當前故障所對應的故障模型能夠正確去除數據中的故障信息，消除檢測統(tǒng)計量超限報警現象，據此可確定故障類別，達

3、到故障分離的目的。通過電熔鎂爐工作過程實例的仿真表明了此方法的可行性。
　　(2)利用PCA重構方法實現故障分離的過程過于繁瑣，需要對故障庫中所有故障分別建立重構模型，并且在線監(jiān)測過程中需要用所有重構模型對故障數據依次進行重構。針對上述問題，本文提出基于KLSR的故障分離方法，利用分類算法實現過程的故障分離。該方法通過高維特征空間中的多元線性回歸分析將不同類別的故障樣本集投影到相應的回歸目標，并在模型訓練過程中，采用修正因子修正樣