基于多元統(tǒng)計分析的故障診斷與質(zhì)量監(jiān)測研究.pdf

1、故障診斷與質(zhì)量監(jiān)測是保障工業(yè)生產(chǎn)過程安全性與產(chǎn)品高質(zhì)量的重要技術支撐。與傳統(tǒng)依賴數(shù)學模型或?qū)＜医?jīng)驗的故障診斷方法相比，數(shù)據(jù)驅(qū)動的多變量統(tǒng)計過程監(jiān)測技術因僅需要正常運行情況下的離線和在線數(shù)據(jù)、以較成熟的多元統(tǒng)計分析方法為主要手段、適合工業(yè)過程多變量高度相關的特點等，而越來越受到工程界和學術界的重視，并已逐漸成為故障診斷領域的重大需求和研究熱點。
　　盡管人們將多元統(tǒng)計分析方法用于故障診斷領域已有很長時間，但是大量工作都是圍繞怎么突破

2、限制條件，改進現(xiàn)有方法以更好地適應實際過程;而對于一些本質(zhì)問題，如不同過程變量的重要性和檢測敏感性不同、主元分析(PCA)子空間分解對故障診斷結(jié)果的影響、以及偏最小二乘(PLS)子空間分解的有效性等方面仍未得到徹底研究。本文在前人工作的基礎上，深入研究了多變量統(tǒng)計過程監(jiān)測技術的幾個根本問題，并針對不同的應用實際，提出多種有效的故障檢測、診斷與質(zhì)量監(jiān)測方法:
　　1.基于過程變量對質(zhì)量變量的貢獻度、過程變量對T2/Q檢測指標以及PC

3、A統(tǒng)計模型的影響能力，對過程變量進行細分，并給出一種設計相對主元分析(RPCA)中比重因子的方法。提高了重要不敏感變量的相對重要性和相對敏感度;降低了不重要敏感變量的相對重要性和相對敏感度;有助于提高重要變量的故障檢測效果，進而改善質(zhì)量預測性能。
　　2.闡述了PCA子空間分解對故障檢測能力的影響，在此基礎上，建立一種基于特征值和特征向量元素劃分子空間的原則。對殘差子空間進行細分，提出一種基于PCA的多空間檢測方法，提高了故障在殘

4、差子空間中的顯著性，進而提高了微小故障的檢測效果。進一步地，僅僅基于正常運行過程的歷史數(shù)據(jù)，利用過程變量對潛變量的不同貢獻度，建立一種基于PCA的多空間診斷方法，一定程度上實現(xiàn)了同時對微小故障的檢測和診斷。
　　3.針對具有時序特性的間歇過程，提出一種基于信息增量的模態(tài)劃分和過程監(jiān)測方法，有效改善了傳統(tǒng)模態(tài)劃分方法的不足，減弱了多PCA模型方法對于樣本服從正態(tài)分布且模型不變的限制;針對具有無序模態(tài)且頻繁切換的多模態(tài)過程，提出一種實

5、時的聯(lián)合故障檢測方法，解決了“量體裁衣”的多模型方法常因難以即時地在線辨識模態(tài)導致難以即時地切換監(jiān)測模型并采取適當方法進行監(jiān)測的問題，進一步完善了多模態(tài)過程實時監(jiān)測方法。
　　4.面向質(zhì)量相關的過程監(jiān)測問題，在分析PLS子空間分解的有效性的基礎上，建立了兩種直接的潛空間投影方法。針對質(zhì)量變量的主要變化由過程變量引起的情況，在對質(zhì)量變量進行PCA分解的基礎上，生成質(zhì)量潛變量空間從而引導過程變量的分解;針對質(zhì)量變量的部分變化由過程變量

6、引起的情況，利用系統(tǒng)辨識方法求取質(zhì)量預測值，對質(zhì)量預測值進行PCA分解，并將其推廣至非線性過程監(jiān)測中。新方法不僅模型簡單、計算代價較小而且取得了較好的效果。
　　5.針對一類連續(xù)時間非均勻采樣系統(tǒng)的故障檢測問題，結(jié)合子空間辨識和等價空間技術，提出了一種僅基于輸入輸出數(shù)據(jù)直接設計殘差產(chǎn)生器的方法，并用于故障檢測，能夠同時實現(xiàn)快速率殘差產(chǎn)生和相應等價矩陣的降維。該方法不用辨識系統(tǒng)模型，在簡化了設計過程的同時降低了計算量，也是對數(shù)據(jù)驅(qū)動