基于PCA的連續(xù)過程性能監(jiān)控與故障診斷研究.pdf

1、基于主元分析(PCA)的故障檢測與診斷方法是故障監(jiān)測領(lǐng)域的一個重要研究分支，該方法不依賴于數(shù)學(xué)模型，能與計算機技術(shù)緊密結(jié)合，具有重要的理論和應(yīng)用價值。但是由于連續(xù)生產(chǎn)過程的特點及其變量間相關(guān)性處理的復(fù)雜性，使得基于PCA的多元統(tǒng)計過程監(jiān)測從理論方法到實際應(yīng)用，都還有許多問題有待研究解決。本文在總結(jié)故障監(jiān)測技術(shù)研究進展的基礎(chǔ)上，針對基于PCA的故障檢測與診斷方法應(yīng)用中的一些問題做了如下工作： (1)鑒于建模歷史數(shù)據(jù)中存在的異常點會

2、影響過程監(jiān)控效果，在總結(jié)目前常用的魯棒異常值檢測算法原理及其缺陷的基礎(chǔ)上，將中心最短距離(CDC)法和橢球多變量整理(MVT)法相結(jié)合構(gòu)成一種基于魯棒尺度的CDC-MVT異常值綜合檢測算法，能夠更加準(zhǔn)確地檢測到異常點，進行的工業(yè)實例研究也驗證了該算法的準(zhǔn)確性和有效性。 (2)針對傳統(tǒng)基于PCA的故障檢測算法的檢測結(jié)果存在無明確定論的缺陷，通過對主元模型的兩個檢驗統(tǒng)計量的含義進行深入分析，提出把Q統(tǒng)計量中與主元顯著相關(guān)的過程變量分

3、離出來，并形成新的統(tǒng)計量，然后和T2統(tǒng)計量配合進行檢驗。仿真監(jiān)控結(jié)果表明該改進算法比傳統(tǒng)基于T2和Q統(tǒng)計量的故障檢測算法更有效。 (3)鑒于累積方差貢獻率確定主元數(shù)未綜合考慮故障信息且主觀性較大的缺陷，在綜合考察累積方差貢獻率和復(fù)相關(guān)系數(shù)特點的基礎(chǔ)上，提出一種基于累積方差貢獻率(CPV)結(jié)合復(fù)相關(guān)系數(shù)(MCC)共同確定監(jiān)控模型主元數(shù)的新方法，并將其用于故障檢測改進算法中。應(yīng)用研究結(jié)果表明該方法能夠確保主元空間的信息存量。