基于多元統(tǒng)計(jì)分析的過程系統(tǒng)故障診斷方法研究.pdf

1、當(dāng)今，現(xiàn)代工業(yè)過程系統(tǒng)由于其強(qiáng)耦合性，當(dāng)一個(gè)部件出現(xiàn)了故障，會引起鏈?zhǔn)椒磻?yīng)，甚至導(dǎo)致災(zāi)難性事故。所以，保證系統(tǒng)的安全性和可靠性至關(guān)重要，而故障診斷技術(shù)為其提供了一條重要的途徑?；谛盘柼幚淼亩嘣y(tǒng)計(jì)分析故障診斷方法是故障診斷領(lǐng)域的一個(gè)重要分支。
　　 本論文以多元統(tǒng)計(jì)分析為理論基礎(chǔ)，研究了主元分析方法(Principal ComponentAnalysis，PCA)及其在非線性方面的改進(jìn)、重構(gòu)方法，提出了一種改進(jìn)的重構(gòu)方法，并將

2、這些方法用于TE過程和四容水箱過程系統(tǒng)進(jìn)行故障仿真。論文的主要研究內(nèi)容如下:
　　 (1)闡述了基于主元分析的故障診斷方法的基本理論，在此基礎(chǔ)上，綜合SPE統(tǒng)計(jì)量和Hotelling T2統(tǒng)計(jì)量，本文給出了一種綜合統(tǒng)計(jì)量。通過將小波去噪引入主元分析中，提出了一種改進(jìn)的PCA方法，從而提高故障的檢出率。
　　 (2)傳統(tǒng)的主元分析方法不能對非線性過程系統(tǒng)實(shí)現(xiàn)有效的故障診斷，因此，針對非線性系統(tǒng)，研究了核主元分析法(Kern

3、el Principal Component Analysis，KPCA)。并以核函數(shù)的偏導(dǎo)數(shù)為基礎(chǔ)，研究了一種基于貢獻(xiàn)圖的KPCA故障辨識方法。通過仿真結(jié)果對比，驗(yàn)證了KPCA方法的有效性及優(yōu)勢。
　　 (3)研究了基于SPE統(tǒng)計(jì)量的故障辨識方法和基于Hotelling T2統(tǒng)計(jì)量的故障辨識方法。并利用兩個(gè)子空間的故障可分離幅值構(gòu)造的一種相對故障分離能力指標(biāo)，實(shí)現(xiàn)對這兩種故障辨識方法的故障分離能力的比較。綜合前面兩種方法，研究

4、了一種基于綜合重構(gòu)的故障辨識方法，并定義了一種基于綜合重構(gòu)的故障辨識指標(biāo)，從而提高故障辨識的準(zhǔn)確率。同時(shí)，提出了一種奇異值分解方法，以提取兩個(gè)子空間的故障特征。在此基礎(chǔ)上，提出了一種基于小波去噪與故障重構(gòu)的故障辨識方法，并定義了兩種相對故障分離能力指標(biāo)，以實(shí)現(xiàn)濾波前后故障分離能力的比較。通過比較TE過程的故障辨識仿真結(jié)果，驗(yàn)證了將小波去噪引入重構(gòu)方法中的有效性及實(shí)用性。
　　 (4)利用MATLAB/Simulink構(gòu)建了一個(gè)四