基于ICA-PCA方法的流程工業(yè)過程監(jiān)控與故障診斷研究.pdf

1、本文以獨立成分分析ICA為基礎(chǔ),針對流程工業(yè)中連續(xù)和間歇兩種生產(chǎn)方式的特點,對傳統(tǒng)PCA監(jiān)控方法進行了改進,提出了一些新的基于ICA方法的工業(yè)生產(chǎn)過程監(jiān)控算法,具體包括以下幾個方面:(1)提出一種基于獨立成分分析(ICA)的連續(xù)工業(yè)過程系統(tǒng)監(jiān)控方法.采用非高斯最大化判據(jù)從觀測變量中分解出相互獨立的非高斯變量(獨立成分分量),它滿足統(tǒng)計意義下的獨立特性,而不僅僅是PCA所要求的不相關(guān).進一步,通過非高斯度排序思想確定選取的獨立成分分量數(shù),

2、并建立相應(yīng)的統(tǒng)計控制置信限,用于連續(xù)工業(yè)過程系統(tǒng)的監(jiān)控.Tennessee Eastman過程的仿真研究表明,獨立成分分析方法具有更好的監(jiān)控能力,能夠更及時地監(jiān)測出故障的發(fā)生,同時對主元分析方法PCA不能發(fā)現(xiàn)的故障,亦有較好的監(jiān)測效果.(2)提出一種基于字符串匹配的故障識別方法.通過ICA分解獲得獨立成分分量,將其在不同工況運行下的狀態(tài)轉(zhuǎn)換為用字符串表示,從而將故障類型的識別問題轉(zhuǎn)換為字符串的匹配問題.字符串匹配方法僅由數(shù)據(jù)驅(qū)動,既不需

3、要充足豐富的訓(xùn)練數(shù)據(jù)也不需要建立過程模型,實施起來簡單方便.Tennessee Eastman過程的仿真結(jié)果表明了該方法的可行性和有效性.(3)提出了一種步進多向主元分析的間歇工業(yè)過程系統(tǒng)監(jiān)控方法.通過建立一系列的MPCA模型避免了傳統(tǒng)多向主元分析方法(Multi-way Principal Component Analysis,MPCA)在線監(jiān)控時需要預(yù)測過程未來輸出的不足,同時所引入的遺忘因子還可以自然擴展到多階段間歇過程.對多階段

4、鏈霉素發(fā)酵過程的監(jiān)控仿真表明,相對于傳統(tǒng)的MPCA,步進MPCA能夠更快地監(jiān)測出過程的異常工況,同時能及時反映出操作人員為消除異常工況所作出的調(diào)整.(4)提出一種ICA-MPCA的間歇工業(yè)過程系統(tǒng)監(jiān)控方法.通過將觀測變量轉(zhuǎn)換為互不相關(guān)的獨立成分之后,可以自然地對非正態(tài)分布的觀測變量建立統(tǒng)計模型,以及確定單變量和聯(lián)合分布的統(tǒng)計控制置信限;同時,又避免了MPCA方法針對非正態(tài)分布的多維非參數(shù)概率密度估計問題.最后,在總結(jié)全文工作的基礎(chǔ)上,討