數(shù)據(jù)驅(qū)動的多變量控制系統(tǒng)性能監(jiān)測與診斷.pdf

1、工業(yè)過程系統(tǒng)日趨復(fù)雜化與精細化，從而使得控制系統(tǒng)日益復(fù)雜，控制性能要求更為嚴格。構(gòu)建復(fù)雜系統(tǒng)往往需要高昂成本，需要長時間穩(wěn)定服役才能保證投入的經(jīng)濟回報。另外復(fù)雜性會導致故障產(chǎn)生的可能性增加，一旦出現(xiàn)異常，可能會產(chǎn)生嚴重的事故和經(jīng)濟損失。異常事件管理，包括性能監(jiān)控和故障的診斷成為現(xiàn)代控制系統(tǒng)中不可或缺的組成部分。
　　 針對多變量系統(tǒng)，多變量統(tǒng)計過程控制(MSPC)已經(jīng)有一些工具和算法，但是對于耦合性以及有嚴重非線性的系統(tǒng)，故障診

2、斷和傳播分析仍然是一個開放性領(lǐng)域。本文就復(fù)雜工業(yè)過程的控制性能監(jiān)控與診斷領(lǐng)域中的幾個關(guān)鍵問題做了研究，主要內(nèi)容如下:
　　 1，經(jīng)典的PCA算法無法靈敏的檢測出系統(tǒng)的細微故障，導致它不能對故障進行早期預(yù)警。為此，本文結(jié)合統(tǒng)計局部方法改進了基于PCA的性能監(jiān)控方法。針對PCA分解后的殘差空間，提出了一個新的監(jiān)控統(tǒng)計量使得它能更好的適用于數(shù)據(jù)協(xié)方差陣奇異的情況，提高了該方法在數(shù)值計算中的魯棒性。本文經(jīng)過詳盡的分析從理論上證明了改進的

3、PCA算法相對于普通PCA算法對于性能監(jiān)控具有更好的敏感性。同時，針對基于歷史數(shù)據(jù)基準的性能評估，提出了一種直接分析改進殘差均值的性能評估方法，可以在檢測到系統(tǒng)性能發(fā)生變化后進一步分析各個特征方向上的性能變化趨勢。
　　 2，提出一種新的因果測度方法并用于大規(guī)?？刂葡到y(tǒng)故障信號的傳播路徑分析。擾動或者振蕩信號會由于廠級回路的耦合進行傳播擴散，進而影響到整個生產(chǎn)過程。本文結(jié)合因果分析的概念和時間序列的排序處理方法，提出用于檢測時間

4、序列耦合強度和方向的符號化有向互信息。將時間序列經(jīng)過大小排列進行編碼，得到符號化序列。計算該對序列引入時間錯位的互信息，稱為有向符號化互信息，作為測度兩個序列耦合強度和方向的因果指數(shù)為有向符號化互信息之差。通過因果指數(shù)可以計算變量兩兩耦合的強度和方向，進而可以分析多變量的信息傳播途徑。
　　 3，提出了針對線性多變量模型預(yù)測控制(MPC)系統(tǒng)的模型失配檢測與定位的方法。模型失配是引起MPC性能下降的主要因素之一。針對現(xiàn)有MPC系

5、統(tǒng)的雙層結(jié)構(gòu)，首先對多變量預(yù)測控制層采用子空間辨識方法檢測出整體的模型失配。針對基礎(chǔ)控制層，提出兩種可選的模型失配檢測方案。一種是在設(shè)定點施加外部激勵信號，通過計算激勵信號與模型預(yù)測殘差的相關(guān)系數(shù)得到適合于統(tǒng)計局部方法的殘差信號。另一種非侵入式的模型失配檢測無需外部激勵信號，根據(jù)ARMA模型中AR部分參數(shù)的輔助辨識方法構(gòu)建殘差，使之適用于統(tǒng)計局部方法，進而檢測模型失配。以上兩種方法均可區(qū)分過程模型和擾動模型的改變4，針對非線性多變量系統(tǒng)