基于主元分析的間歇過程故障檢測和故障傳感器的重構(gòu)與分離.pdf

1、控制系統(tǒng)故障檢測與診斷(FaultDetectionandDiagnosis—FDD)技術(shù)一直是控制領(lǐng)域研究的熱點問題之一。基于模型的FDD方法、基于知識的FDD方法和基于信號處理的FDD方法是故障檢測與診斷的基本方法，并已在各工業(yè)控制領(lǐng)域得到了深入的研究與應(yīng)用。對于流程工業(yè)特別是化工過程控制系統(tǒng)的故障診斷，由于其大型化、復(fù)雜化與多元化，導(dǎo)致對其建模與故障診斷的困難和限制。因此采用基于模型的FDD方法和基于知識的FDD方法將使故障診斷的

2、結(jié)果出現(xiàn)誤差。然而建立在計算機技術(shù)，通訊技術(shù)與控制技術(shù)基礎(chǔ)上的集散控制系統(tǒng)(DiscreteControlSystem—DCS)提供了大量的過程冗余數(shù)據(jù)，為過程的統(tǒng)計分析和故障檢測與診斷提供了依據(jù)。主元分析(PrincipalComponentAnalysis—PCA)是多元統(tǒng)計分析方法中的一種，基于主元分析的控制系統(tǒng)的故障檢測與診斷克服了基于模型與知識方法的許多弊端，成為國際控制界與故障診斷領(lǐng)域的研究熱點與發(fā)展方向。本文將基于主元分析

3、方法對化工PVC(Polyvinylchloride)間歇過程的控制系統(tǒng)進行故障檢測和故障傳感器的重構(gòu)與分離。 本文首先在1994年Nomikos，Macgregor研究的基礎(chǔ)上，深入分析化工間歇反應(yīng)PVC生產(chǎn)過程的工業(yè)背景、生產(chǎn)狀況和控制流程，重點解決了多方向主元分析(Multi-wayPrincipalComponentAnalysis-MPCA)模型的建立，并基于MPCA模型對整個生產(chǎn)過程與控制系統(tǒng)進行性能監(jiān)視與故障診斷。

4、由于間歇過程數(shù)據(jù)的不一致性，導(dǎo)致基于MPCA統(tǒng)計建模與故障診斷的誤差。傳統(tǒng)的間歇過程數(shù)據(jù)處理是采用截取的方法，這樣將造成數(shù)據(jù)信息的大量丟失，從而出現(xiàn)誤報和漏報現(xiàn)象的發(fā)生。本文重點研究了動態(tài)時間規(guī)整(DynamicTimeWarping-DTW)理論以及多尺度動態(tài)時間規(guī)整(Multi-ScaleDynamicTimeWarping-MSDTW)理論，并將這一應(yīng)用于語音識別領(lǐng)域的模式匹配方法進行多元批次軌跡的同步化。通過基于DTW的數(shù)據(jù)處理

5、，不但保留了原始數(shù)據(jù)的大量重要信息，而且使間歇過程數(shù)據(jù)具有一致性。在此基礎(chǔ)上本文基于MPCA與DTW提出一致的多方向主元分析(ConsistentMulti-wayPrincipalComponentAnalysis—CMPCA)，并基于CMPCA進行統(tǒng)計建模與故障診斷，與MPCA方法進行比較分析，結(jié)果表明CMPCA方法的合理性與準(zhǔn)確性。 基于1998年Dunia，Qin等對主元子空間(PrincipalComponentsub

6、-Space—PCS)和殘差子空間(Residualsub-Space-RS)的劃分，本文研究了故障傳感器的重構(gòu)與辨識問題。通過定義各故障的方向向量，可在各自的故障向量方向上進行故障的重構(gòu)。由于重構(gòu)值與正常值間的距離應(yīng)最短，亦即重構(gòu)誤差(ReconstructionError-RE)最小，因此通過最小的RE，根據(jù)傳感器變量數(shù)據(jù)間相關(guān)性可以確定故障的幅度，從而實現(xiàn)故障變量的最優(yōu)重構(gòu)。故障的辨識即在所有可能的故障傳感器中分離出實際的故障傳感

7、器。定義傳感器有效度指標(biāo)(SensorValidityIndex—SVI)，根據(jù)故障變量的方向向量分別進行各個變量傳感器的故障重構(gòu)。重構(gòu)的誤差不等，導(dǎo)致故障發(fā)生的可能性也不等。故障的方向決定SVI的取值，最終故障將發(fā)生在沿SVI最小、重構(gòu)模型誤差最小的方向上，完成故障的辨識。 在Qin對主元分析中主元模型建立的基礎(chǔ)上，本文將PVC間歇過程的主元潛隱投影分別映射于主元子空間和殘差子空間，并基于故障重構(gòu)的未重構(gòu)方差(Variance

8、ReconstructionErrorVRE)在兩空間的顯現(xiàn)情況，確定主元模型中的主元成分。通過未重構(gòu)方差在兩空間的投影，并求取PCS和RS中的VRE，在PCS和RS中的VRE之和達(dá)到最小時，則取得PVC過程主元模型的最優(yōu)主元數(shù)。依據(jù)最優(yōu)主元數(shù)建立最優(yōu)主元模型進行故障的檢測與診斷。 本文在基于主元分析的控制系統(tǒng)故障檢測與故障傳感器重構(gòu)的基礎(chǔ)上，重點研究和探討了故障分離的理論與方法，并分析了Nomikos，Macgregor提出的

9、預(yù)測誤差平方和(SquarePredictError-SPE)貢獻(xiàn)圖法、Dunia，Qin提出的傳感器有效度指標(biāo)(SVI)分離法。從而本文提出了基于非正常子域的故障分離?；?002年Wang等提出的主元相關(guān)變量和非相關(guān)變量的觀點，將PVC間歇過程的控制變量進行分類。然后應(yīng)用各變量的權(quán)值系數(shù)將統(tǒng)計模型進行分域，即主元相關(guān)域和非主元相關(guān)域，并在各自域中進行故障檢測。檢測的結(jié)果可將過程變量投影于正常域(NormalRegion-NOR)或非

10、正常子域(AbnormalSub-Region-ANSR)，ANSR中的變量即為可能的故障變量。隨ANSR的不斷縮小，故障將不斷被分離，最終置于ANSR中的變量即為故障變量。 本文在對基于主元分析的控制系統(tǒng)故障檢測及故障傳感器的重構(gòu)與分離理論研究的基礎(chǔ)上，結(jié)合化工PVC間歇過程DCS數(shù)據(jù)庫系統(tǒng)，對提出的理論與方法進行了大量的實驗驗證，結(jié)果表明了其合理性與有效性。 本文的主要貢獻(xiàn)： (1)基于MPCA與DTW理論建