基于统计特征的不等长间歇过程故障诊断研究.doc
《基于统计特征的不等长间歇过程故障诊断研究.doc》由会员分享,可在线阅读,更多相关《基于统计特征的不等长间歇过程故障诊断研究.doc(36页珍藏版)》请在咨信网上搜索。
1、沈阳化工大学本科毕业论文 题 目:基于统计特征的不等长间歇过程故障诊断研究 毕业设计(论文)任务书毕业设计(论文)题目:基于统计特征的不等长间歇过程故障诊断研究毕业设计(论文)内容:1、 提取不等长间歇过程的统计特征2、 研究基于PCA的故障诊断方法3、 编制完成实现上述任务的程序毕业设计(论文)专题部分:不等长间歇过程故障诊断研究起止时间: 2014 年 3 月- 2014 年 7月指导教师: 签字 年 月 日教研主任: 签字 年 月 日学院院长: 签字 年 月 日目 录第一章 绪论11.1引言11.2 间歇生产过程性能监控研究现状21.2.1 间歇生产过程故障诊断研究进展21.2.2 多元
2、统计方法应用于间歇过程故障诊断21.3 本文研究内容4第二章MPCA在间歇反应过程故障诊断中的应用52.1 引言52.2 PCA基本原理62.2.1 主元分析简介62.2.2 主元分析的意义62.2.3 主元分析的基本原理72.2.4 主元个数的提取72.2.5 主元模型82.3 基于MPCA的故障检测方法92.3.1 MPCA理论92.3.2 基于MPCA故障检测的统计量及其控制限102.3.3 基于MPCA的故障诊断方法112.4 本章小结12第三章 基于统计特征的不等长间歇过程故障诊断研究133.1 引言133.2 不等长问题143.2.1 不等长数据描述143.2.2 不等长轨迹同步化
3、方法143.3 基于统计特征的不等长间歇过程故障诊断研究153.4 仿真实验183.5 本章小结22第四章 总结和展望234.1 总结234.2 工作展望23参考文献25致谢26摘要 随着工业生产的快速发展,由于工业体系的庞大化和复杂化,如果生产过程中一旦出事故,不仅会影响生产的正常进行,还会造成一定的经济损失甚至人员伤亡,因此故障检测与故障诊断技术越来越成为监控系统中的不可缺少的一部分。及时准确地检测和诊断出过程的故障,不仅可以减少事故、增加过程运行的安全性,而且可以降低生产管理成本,提高产品的质量。基于统计分析的故障诊断是故障诊断技术的重要组成部分之一。本文以提高不等长间歇过程故障诊断的性
4、能为目的,深入研究了基于统计特征的不等长间歇过程故障诊断算法,并对半导体工业实例A1堆腐蚀过程进行了具体地分析与仿真,取得了预期的效果。本文首先研究了基于多向主元分析(Multi -way principal component analysis,MPCA)方法在故障监测与诊断过程中的应用。其次,在分析了多向主元分析方法进行故障监视和诊断的局限和缺点的基础上,深入研究了基于统计特征的不等长间歇过程故障诊断算法。通过基于统计特征的不等长间歇过程故障诊断算法,可以先计算每个不等长批次的均值、偏度、峭度、方差和任意两个变量之间的欧氏距离,然后将这些统计特征组合成一个等长的特征向量,再利用主元分析(p
5、rincipal Component Analysis,PCA )进行过程监视。根据半导体工业实例的仿真结果,基于统计特征的不等长间歇过程故障诊断算法与传统的多向主元分析(MPCA)方法相比,不仅可以减少建模过程的计算量,而且其故障诊断率提高了15%,还大大减少了故障检测时间,因此该算法具有很好的故障诊断性能。关键词: 故障诊断; 不等长间歇过程; 统计特征; 多向主元分析AbstractWith the rapid development of industrial production, due to the large chemical industry system and compl
6、icated, if the production process once an accident, not only will affect the normal production, but also cause great economic loss and casualties, so the fault detection and fault diagnosis technology has increasingly become an indispensable part in the monitoring system. Timely and accurate detecti
7、on and diagnosis of process faults, not only can reduce accidents, increase the safety operation of the process, but also can reduce the cost of production management, improve the quality of the products. Fault diagnosis based on statistical analysis is an important part of the fault diagnosis techn
8、ology.In order to improve the unequal performance of fault diagnosis of batch processes as objective, in-depth study of the fault diagnosis algorithm unequal batch process based on statistical features, and the semiconductor industry - A1 case is analyzed in detail and Simulation of reactor corrosio
9、n process, expected results were obtained.This paper first studied based on multiway principal component analysis (Multi -way principal component analysis, MPCA) application on the fault monitoring and diagnosis process. Secondly, based on the analysis of the limitations and shortcomings of the prin
10、cipal component analysis method for fault monitoring and diagnosis of the fault diagnosis algorithm, in-depth study of the unequal batch process based on statistical features. In order to improve the fault diagnosis performance of the uneven-length batch processes, and decrease the complexity of the
11、 algorithm, an uneven-length batch processes fault diagnosis method based on statistic features was presented. Firstly, the means, variance, skewness, kurtosis and the Euclidean distance between two variables for each uneven-length batch were calculated. Secondly, these statistic features were combi
12、ned into an even-length feature vector. Lastly, principal component analysis (PCA) was used to the feature vectors for monitoring the batch processes. The monitoring results of an industrial example show that compared with traditional multiway principal component analysis (MPCA), the uneven-length b
13、atch processes fault diagnosis method based on statistic features increases 15% of the fault diagnosis rate and reduces 0.002 second of the fault diagnosis time, so it has good fault detection performance.Key words: fault diagnosis; uneven-length batch processes; statistic features; multiway princip
14、al component analysis.沈阳化工大学学士学位论文 第一章 绪论第一章 绪论1.1引言随着世界现代经济的快速发展和流程工业规模的不断扩大,工业过程的复杂性也随之不断的提高,生产和加工方法主要有化学反应、分离、混合等,涉及石油、化工发电钢铁等行业。一旦发生事故,将会造成巨大的经济损失和人员伤亡。如“2013年6月3日吉林省宝源丰禽业公司爆炸事故,已造成113人遇难”;“湖南省邵东一煤矿发生爆炸事故”;“陕西兴化集团硝铵装置特别重大爆炸事故”。由此可见,切实保障现代复杂工业系统的可靠性与安全性,降低事故发生率,维持生产稳定,对于流程工业长期安全稳定运行具有十分重要的意义。过程故障
15、诊断技术就是为适应工程需要而形成和发展起来的。过程故障诊断技术为提高复杂工业系统的可靠性开辟了一条新的途径。以自动故障检测与诊断来代替操作员的判断可增加设备运行的安全性,保证产品的质量的同时也降低了成本,尤其可以最大限度地避免严重的过程颠覆事故。过程故障诊断技术的任务是选取方便而且有效的方法来发现过程中的异常事件,并且识别和诊断出生产过程的异常事件的根源,进而指导操作员正确地处理过程异常。间歇反应过程具有生产灵活性、产品多样性、设备简单性的特点,在高分子聚合物、药品、生化等领域得到了广泛的应用。间歇过程一般有一个确定的有限操作周期,该周期包括上料、反应、卸料3个阶段。在上料阶段,以一定配比组成
16、的多种原材料被装入到反应釜中,该阶段是整个间歇过程的初始准备阶段;反应阶段是整个间歇过程的核心,它要求反应釜内的各过程变量(如温度、压力、流量、液位等)按一定的时间轨迹变化,而各参量的时间轨迹对于每个不同的间歇过程都不同;卸料阶段是间歇过程的结束阶段,该阶段将反应釜内的产品排出,并对其各质量指标进行检测以判断该釜反应的最终质量情况1。一般而言,间歇过程工业企业对综合自动化技术的需求主要关注四个问题:安全、低成本、高效率以及提高竞争力。在所有的问题中,安全始终是根本前提。然而间歇过程工业的多样性和复杂性增大了对其故障诊断的难度,使得过程监测和故障诊断成为控制领域最具挑战性的研究方向之一。1.2
17、间歇生产过程性能监控研究现状1.2.1 间歇生产过程故障诊断研究进展间歇生产过程监控是现代化过程工业中的一种生产方式,由于其本身所具有的灵活性,50%左右的过程生产都采用该生产方式。特别是在精细化工、生物制药等利润高、产量小、品种多的工业部门。间歇生产过程在工业生产中越来越受重视,间歇生产过程的性能监控和故障诊断逐渐成为统计过程控制的研究热点之一。与连续生产过程相比,间歇过程具有启动频繁、动态特性变化快、多阶段、有限生产周期等特点。因此间歇过程的监控显得更加复杂。在间歇生产过程中,往往同时进行着物理、化学、生化反应、相变过程及不确定性和突变性等因素,因而使一个十分复杂的工业大系统。其特点表现在
18、一下几个方面6。(1)多变量、强耦合。间歇过程工业的测量系统中都包含较多的过程变量,而且过程变量之间相互关联、相互耦合,任何一个变量的变化都可能引起其他变量的变化,从而使因果关系错综复杂。这就增加了间歇过程故障诊断的困难程度和复杂程度。(2)非线性。严格地就,所有工业过程都存在非线性。对于非线性程度较弱的系统,在一定的范围内可以当作线性系统来处理,对于非线性程度较强的系统,采用线性化的处理方法会产生很大的偏差,甚至会得出完全错误的结论。(3)对象不确定性。在间歇工业生产过程中,往往同时进行着物理、化学和生物反应,过程的内部机理十分复杂,难以用常规的工具建立精确的数学模型。即使建立数学模型,通常
19、也十分复杂,很难求解。因而在间歇过程工业故障诊断中多元统计方法得到了广泛应用。1.2.2 多元统计方法应用于间歇过程故障诊断如1.2.1所述,间歇过程的内部机理十分复杂,难以用常规的工具建立精确的数学模型,即使可以建立数学模型,通常也十分复杂,难以求解。因此在间歇生产过程中基于解析模型的方法很少应用,而采用基于统计学的统计过程监控方法,则是一种完全依赖于过程数据的黑箱方法,该方法首先从正常工况的历史数据中建立过程的统计学模型,并给出过程变量或者过程变量某种形式组合的正常分布置信限,然后基于该统计模型实现过程的在线监控、故障诊断甚至于某些质量指标的预测。目前比较成熟的用于间歇过程统计监控的是多元
20、统计的方法, 实际的工业应用结果也证明了这种方法的有效性。这其中包括主元分析法(principal Component Analysis,PCA)1、部分最小二乘法(partial least-squares, PLS)、因子分析法(factor analysis,FA)以及后来提出的规范变量分解法(canonical variate analysis, CAV)、ICA以及Fisher判据分析法(Fisher discriminant analysis, FDA)。PCA最初由Pearson提出,1947年Hotelling对PCA进行了改进,成为目前被广泛应用的方法。PLS最早由Wold等
21、提出,后来Wold和他的同事对其进行了一系列的改进。1936年,Fisher的著名论文提出了线性可分的方法,也就是著名的FDA,其思路是寻找一个子空间,在这个子空间中各类别能较好地分开。ICA最初原来处理鸡尾酒会问题,由于非高斯性的缘故,ICA较晚得到广泛应用。目前PCA、PLS、FDA、典型相关分析法(CCA)和ICA已经被广泛采用。PCA使用单一数据矩阵来分析,它的基本思想是将数据依次投影到方差最大的方向、次大的方向,直到方差最小的方向,取其中方差较大的部分作为主要成分(主元)而忽视其他部分以达到降维的目的。主要成分(主元)可以通过对数据矩阵的方差进行奇异值分解(SVD)来获得。有时(如产
22、品质量控制)可能还有另外的数据组(如产品质量Y),希望能由X来预测和检测Y的变化,这时就可以采用PLS进行。PLS在对输入输出数据进行低维空间投影的同时考虑输入与输出的关系,投影后输入输出的协方差最大5。投影完成后则采用Hotelling统计量和平方预测统计量Q统计量(或称SPE统计量),对过程进行统计监测和故障诊断。CCA最早也由Hotelling提出,它是利用变量对之间的相关关系来反映数据之间的整体相关性的已知方法1。与PCA相似,CCA也是通过构造原变量的适当线性组合来提取不同信息。其基本思想是分别对不同组别数据进行组合,使组合后的线性相关性最大;不同点在于PCA着眼于考虑变量的”分散性
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 统计 特征 不等 间歇 过程 故障诊断 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【精***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【精***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。