資源描述：
《基于PCA連續(xù)過(guò)程性能監(jiān)控與故障診斷研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、摘要摘要題目：基于PCA的連續(xù)過(guò)程性能監(jiān)控與故障診斷研究專業(yè)：檢測(cè)技術(shù)與自動(dòng)化裝置碩士研究生：張新榮導(dǎo)師：徐保國(guó)基于主元分析(PCA)的故障檢測(cè)與診斷方法是故障監(jiān)測(cè)領(lǐng)域的一個(gè)重要研究分支，該方法不依賴于數(shù)學(xué)模型，能與計(jì)算機(jī)技術(shù)緊密結(jié)合，具有重要的理論和應(yīng)用價(jià)值。但是由于連續(xù)生產(chǎn)過(guò)程的特點(diǎn)及其變量問(wèn)相關(guān)性處理的復(fù)雜性，使得基于PCA的多元統(tǒng)計(jì)過(guò)程監(jiān)測(cè)從理論方法到實(shí)際應(yīng)用，都還有許多問(wèn)題有待研究解決。本文在總結(jié)故障監(jiān)測(cè)技術(shù)研究進(jìn)展的基礎(chǔ)上，針對(duì)基于PCA的故障檢測(cè)與診斷方法應(yīng)用中的一些問(wèn)題做了如下工作：(1)鑒于建模歷史數(shù)據(jù)中存在的異常點(diǎn)會(huì)影響過(guò)程監(jiān)控效果，在總
2、結(jié)目前常用的魯棒異常值檢測(cè)算法原理及其缺陷的基礎(chǔ)上，將中心最短距離(CDC)法和橢球多變量整理(MVT)法相結(jié)合構(gòu)成一種基于魯棒尺度的CDC．MVT異常值綜合檢測(cè)算法，能夠更加準(zhǔn)確地檢測(cè)到異常點(diǎn)，進(jìn)行的工業(yè)實(shí)例研究也驗(yàn)證了該算法的準(zhǔn)確性和有效性。(2)針對(duì)傳統(tǒng)基于PCA的故障檢測(cè)算法的檢測(cè)結(jié)果存在無(wú)明確定論的缺陷，通過(guò)對(duì)主元模型的兩個(gè)檢驗(yàn)統(tǒng)計(jì)量的含義進(jìn)行深入分析，提出把Q統(tǒng)計(jì)量中與主元顯著相關(guān)的過(guò)程變量分離出來(lái)，并形成新的統(tǒng)計(jì)量，然后和T2統(tǒng)計(jì)量配合進(jìn)行檢驗(yàn)。仿真監(jiān)控結(jié)果表明該改進(jìn)算法比傳統(tǒng)基于T2和Q統(tǒng)計(jì)量的故障檢測(cè)算法更有效。(3)鑒于累積方差貞獻(xiàn)率確定
3、主元數(shù)未綜合考慮故障信息且主觀性較大的缺陷，在綜合考察累積方差貢獻(xiàn)率和復(fù)相關(guān)系數(shù)特點(diǎn)的基礎(chǔ)上，提出一種基于累積方差貢獻(xiàn)率(CPV)結(jié)合復(fù)相關(guān)系數(shù)(MCC)共同確定監(jiān)控模型主元數(shù)的新方法，并將其用_?。收蠙z測(cè)改進(jìn)算法中。應(yīng)用研究結(jié)果表明該方法能夠確保主元空間的信息存量。(4)針對(duì)利用變量貢獻(xiàn)率只能夠?qū)嵤┒ㄐ缘墓收显\斷，以及基于SPE的信息重構(gòu)故障診斷方法只利用了殘差空間信息的局限性，通過(guò)對(duì)基于T2統(tǒng)計(jì)量的故障重構(gòu)技術(shù)進(jìn)行研究，將其用于故障診斷，對(duì)雙效蒸發(fā)器過(guò)程進(jìn)行的故障診斷仿真表明，該算法能夠有效地找到故障源。最后在總結(jié)全文的基礎(chǔ)上討論了相關(guān)研究的發(fā)展前景。
4、關(guān)鍵詞：主元分析；故障檢測(cè)；故障診斷；復(fù)相關(guān)系數(shù)；故障重構(gòu)AbstractPrincipalcomponentanalysis(PCA)hasbeenconsideredasanimportantmethodoffaultdetectionanddiagnosisduetoitsindependenceofprocessmodelandcombinitionwithcomputertechnology．However’thetheoreticalmethodandactualapplicationoffaultmonitoringbasedonPCAisno
5、tperfectandhasalotofproblems．ThemainpurposeofthisthesisistomakefurtherstudyonfaultdetectionanddiagnosismethodbasedonPCA．Themaincontextconsistsofthefollowingparts．(1)Theoutlierinhistoricaldataacquiredfromindustryprocesscandecreaseabilityofprocessperformancemonitoring．Anewoutlierdete
6、ctioncombinedmethodbasedonrobustscalingclosestdistancetocenter(CDOandellipsoidalmultivariatetrimming(MVT)isproposedafterasummaryonseveralrobustoutlierdetectionmethodprincipleandlimitation．Theresultsofanexampleshowitcandetectoutliereffectivelyandaccurately．(2)Becauseconclusionsarein
7、definiteintheperformancemonitoringofindustryprocess，afaultydetectionapproachbasedonQstatisticseparationisproposed．Qstatisticisseparatedintoprincipalcomponentrelatedvariable(PVR)statisticandcommonvariable(CVR)statistic，anditcandetectadequatelythechangeofprocessusingwithrstatistic．Th
8、esimulationresultsshowthat
