基于KECA方法的過程監(jiān)測與故障診斷研究.pdf

1、工業(yè)過程自動控制系統(tǒng)不斷朝著大型化、復雜化方向發(fā)展?？刂葡到y(tǒng)一旦發(fā)生故障，很難通過單變量監(jiān)測方法指示出來。若故障繼續(xù)發(fā)展可能造成經(jīng)濟損失，甚至人員傷亡。因此，除了對工業(yè)過程實施良好的控制以外，研究過程監(jiān)測與故障診斷方法同樣重要。
　　本文以田納西—伊斯曼(TE)過程作為研究背景，進行基于數(shù)據(jù)驅(qū)動方法在過程監(jiān)測與故障診斷領(lǐng)域的研究。論文將從以下幾方面展開:
　　(1)在核主元分析(KPCA)理論基礎(chǔ)上，引入核熵主元分析(KEC

2、A)原理及其空間變換方法，比較了KECA與KPCA的異同，并通過聚類試驗進行了分析驗證。
　　(2)采用基于KECA和WT-KECA(小波去噪結(jié)合KECA)的故障診斷方法。通過引入Epanechnikov核函數(shù)參與高維映射過程，大幅降低了故障檢出率對核尺寸參數(shù)的敏感度，提高了該方法的實際應(yīng)用價值。
　　(3)定義了核熵主元空間相似度指標，提出一種新的基于核熵主元空間相似度的故障診斷方法，通過相關(guān)試驗證明該方法具有較好的故障診

3、斷能力。
　　(4)引入一種基于TE過程子系統(tǒng)的聯(lián)合故障監(jiān)測方法。該方法結(jié)合TE過程知識和系統(tǒng)劃分策略，將過程分解為幾個獨立子系統(tǒng)進行聯(lián)合故障監(jiān)測，進一步提高了監(jiān)測算法對過程故障的敏感性。
　　研究結(jié)果表明，KECA有效提高了TE過程故障檢出率，同時KECA變量貢獻圖診斷方法表現(xiàn)出比KPCA更強的故障變量鎖定能力。WT-KECA方法進一步提高了故障檢出率與故障變量識別率?；诤遂刂髟臻g相似度的故障診斷方法可以完成一些重要故