基于hmm的統(tǒng)計(jì)過程監(jiān)控研究

《基于hmm的統(tǒng)計(jì)過程監(jiān)控研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、浙江大學(xué)博士學(xué)位論文基于HMM的統(tǒng)計(jì)過程監(jiān)控研究姓名：周韶園申請學(xué)位級別：博士專業(yè)：控制科學(xué)與工程指導(dǎo)教師：王樹青20050601浙江大學(xué)博士學(xué)位論文摘要隨著集散控制系統(tǒng)(DcS)在工業(yè)現(xiàn)場中的廣泛應(yīng)用以及測量技術(shù)不斷提高，大量的過程數(shù)據(jù)被采集并存儲下來。由于不需要建立過程機(jī)理模型，基于數(shù)據(jù)的過程監(jiān)控方法近幾年來成為過程控制領(lǐng)域的研究熱點(diǎn)之一。理論上，過程數(shù)據(jù)包含任意時刻過程運(yùn)行狀況的完全描述，關(guān)鍵在于選擇有效，方便的方法來提取和解釋數(shù)據(jù)中的重要信息，從中不僅發(fā)現(xiàn)過程異常，而且還能分離出異常的根源?；谀Ｊ阶R別的過程監(jiān)控方法主要由兩步組成，第一步是從大量數(shù)據(jù)中提取過程特征信息；第二步使用分

2、類器對過程特征信息進(jìn)行匹配分類，檢測和識別出過程中存在的故障。本論文運(yùn)用小波變換和主元分析(PrincipalcomponentAmlysis，PcA)等方法對特征提取進(jìn)行系統(tǒng)、深入的研究，基于隱馬爾可夫模型(HiddenMarkovModel．HMM)進(jìn)行過程故障識別，提出一些新的過程監(jiān)控和故障診斷方法，具體包括：1．提出一種基于小波變換和PcA的兩步特征提取方法。通過小波變換的多尺度分析，提取過程數(shù)據(jù)的局部時頻信息：使用PcA消除數(shù)據(jù)之間的統(tǒng)計(jì)相關(guān)性，達(dá)到優(yōu)化降維目的。與PcA方法相比，經(jīng)過兩步特征提取方法得到的主元特征序列能更好地表征過程運(yùn)行狀況的本質(zhì)特征信息。2．使用HMM構(gòu)建主元

3、特征序列的統(tǒng)計(jì)模型。采用HMM的混合高斯分布函數(shù)和狀態(tài)轉(zhuǎn)移概率分別描述主元特征序列的非高斯性以及序列相關(guān)性：csTR過程的仿真結(jié)果表明，基于HMM構(gòu)建的主元特征序列的統(tǒng)計(jì)模型能夠準(zhǔn)確描述數(shù)據(jù)中的本質(zhì)特征信息。3．使用HMM進(jìn)行故障識別研究。首先，使用過程歷史數(shù)據(jù)訓(xùn)練得到各種過程故障工況對應(yīng)的HMM：然后，通過小波變換和PcA從測試數(shù)據(jù)中提取主元特征序列：最后，應(yīng)用HMM對主元特征序列進(jìn)行分類，識別出過程中存在的故障類型。Te衄esseeEastman過程的仿真結(jié)果表明，這種方法能對過程中出現(xiàn)的各種故障進(jìn)行準(zhǔn)確的分類和識別。4．提出一種基于HMM的過程監(jiān)控方法。PCA等大多數(shù)統(tǒng)計(jì)監(jiān)控方法假設(shè)

4、過程數(shù)據(jù)服從獨(dú)立同分布，這在實(shí)際應(yīng)用中很難滿足。由于HMM具有雙重隨機(jī)特性，它不僅能夠表征數(shù)據(jù)的動態(tài)特性，而且對數(shù)據(jù)非高斯性也有很強(qiáng)的描述能力。因此基于HMM的過程監(jiān)控方法不需對數(shù)據(jù)分布做上述假設(shè)。使用移動時間窗口截取過程動態(tài)數(shù)據(jù)，可避免PCA方法根據(jù)單一數(shù)掘點(diǎn)進(jìn)行過程監(jiān)控所造成的數(shù)據(jù)信息不足缺陷，有利于提高故障檢測和診斷的準(zhǔn)確性。TennesseeEastman過程的仿真結(jié)果表浙江大學(xué)博士學(xué)位論文明，基于HMM的過程監(jiān)控方法比PCA方法具有更強(qiáng)的故障檢測和識別能力。5．提出一種基于HMM和變長度移動時間窗口的在線故障診斷方法。對于包含大量過程數(shù)據(jù)和眾多故障類型的復(fù)雜工業(yè)過程，要選擇一個合

5、適長度的固定長度移動時間窗口十分困難，為此提出一種變長度移動時間窗口，即窗口長度可以隨著時間發(fā)生變化。當(dāng)檢測到過程異常后，使用變長度移動時間窗口截取過程動態(tài)數(shù)據(jù)，窗口長度隨著時間不斷增長，從而可以包含更多的過程故障信息，有利于對過程故障做出更為準(zhǔn)確、快速的識別與診斷。1hnesseeEastman過程的仿真結(jié)果表明，基于HMM和變長度移動時間窗口的在線故障診斷方法具有較好的故障診斷準(zhǔn)確性和實(shí)時性。最后，在總結(jié)全文的基礎(chǔ)上，提出有待進(jìn)一步研究的方向。關(guān)鍵詞：主元分析，小波變換，隱馬爾可夫模型，移動時間窗口，統(tǒng)計(jì)過程監(jiān)控II浙江大學(xué)博士學(xué)位論文AbstractAdVaIlcesindis訂ib

6、utedcontrolsystem(DCS)andmeasurementtechnologyfacilitatemecollectionofalarge鋤ountofprocessdata．Incontrasttothemodel．basedapprOacheswhereapriorilmowledgeabouttheprocessisneeded，thedata．drivenmethodsonlyrequiret11elargeamountofprocessdata．MaIlyon一1inemonitoringschemesbasedonprocessdatahavebeendescri

7、bedandappliedintheprocesseswithmultipleinputsandfaults．Inprinciple，thedatacollectedfromtheprocesscontainsafulldescriptionoftheoperatingstatusoftheplantatanytime．Thechallengeist0haveahandyandpowerfulmethodtoextrac