資源描述：
《cva多元統(tǒng)計(jì)方法在過程監(jiān)控中的應(yīng)用研究》由會(huì)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、江南大學(xué)碩士學(xué)位論文CVA多元統(tǒng)計(jì)方法在過程監(jiān)控中的應(yīng)用研究姓名：盧娟申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：控制理論與控制工程指導(dǎo)教師：劉飛20070601摘要在現(xiàn)代工業(yè)生產(chǎn)過程中，保障生產(chǎn)安全和減小產(chǎn)品質(zhì)量波動(dòng)一直是企業(yè)在競爭中追求的兩大目標(biāo)，也是工業(yè)過程監(jiān)控的目的和動(dòng)機(jī)。多變量統(tǒng)計(jì)過程監(jiān)控技術(shù)歷經(jīng)三十多年的發(fā)展，已經(jīng)取得了一系列令人矚目的成果，并在現(xiàn)代過程工業(yè)中得到了廣泛的應(yīng)用。它通過密切地監(jiān)督生產(chǎn)過程的運(yùn)行狀態(tài)，不斷地檢測過程的變化和故障信息，從而保證生產(chǎn)過程安全運(yùn)行，提高產(chǎn)品質(zhì)量和經(jīng)濟(jì)效益。然而，傳統(tǒng)的統(tǒng)計(jì)過程監(jiān)控方法如主元分析法(P
2、rincipalComponentAnalysis，PCA)、偏最小二乘法伊artialLeastSquare，PLS)及其變異形式均假定過程采樣值滿足獨(dú)立同分布(identicalindependentdistribution，iid)的條件，而從實(shí)際生產(chǎn)過程中得到的數(shù)據(jù)往往具有一定的自相關(guān)性，基于iid假設(shè)的“靜態(tài)”投影法不能反映系統(tǒng)的動(dòng)態(tài)變化。規(guī)范變量分析法(CanonicalVarimeAnalysis，CVA)是在最優(yōu)的統(tǒng)計(jì)推理原理上發(fā)展起來的，并且已證明能達(dá)到最優(yōu)的統(tǒng)計(jì)精度。它的基本思想是將兩個(gè)變量集間的相關(guān)度最大化
3、，即將歷史數(shù)據(jù)集和未來數(shù)據(jù)集問的相關(guān)度最大化，在過去和現(xiàn)在狀態(tài)的基礎(chǔ)上，提供對(duì)未來輸出的最佳預(yù)測。將CVA算法引入到過程監(jiān)控領(lǐng)域，更能從本質(zhì)上刻畫過程數(shù)據(jù)的特征。本文以規(guī)范變量分析算法為主要數(shù)學(xué)工具，研究了該算法在過程監(jiān)控中的應(yīng)用，主要工作如下：1．將CVA方法應(yīng)用于系統(tǒng)的過程辨識(shí)，從本質(zhì)上證實(shí)了該方法在解決強(qiáng)自相關(guān)時(shí)的有效性，為CVA用于監(jiān)控含強(qiáng)自相關(guān)的過程打下基礎(chǔ)。2．針對(duì)一個(gè)含有強(qiáng)自相關(guān)的實(shí)際化工過程，引入CVA算法對(duì)其過程進(jìn)行監(jiān)控，并與PCA方法監(jiān)控的效果作了比較。仿真研究證明了所提方法的有效性和優(yōu)越性。3．針對(duì)在工業(yè)系
4、統(tǒng)的數(shù)據(jù)采集過程中往往不可避免的會(huì)有數(shù)據(jù)遺失的現(xiàn)象，提出并推導(dǎo)了基于CVA的遺失數(shù)據(jù)重構(gòu)公式，并通過仿真驗(yàn)證該結(jié)論。4．提出一種改進(jìn)的基于CVA的故障診斷方法，通過對(duì)Tennessee．Eastman過程進(jìn)行的仿真研究表明，這種方法不僅能實(shí)現(xiàn)對(duì)過程故障的檢測，而且能有效的識(shí)別出引起故障的過程變量，結(jié)合工藝流程能夠初步診斷出故障原因。關(guān)鍵詞：過程監(jiān)控；主元分析；規(guī)范變量分析；自相關(guān)；子空間辨識(shí)ABSTRACTInmodemindustrialprocess．thesafetyofproductionprocedureandcons
5、istencyofproductqualityarealwaystwogoalsofenterprisesincompetition，whichisalsothemotivationandobjectofprocessmonitoring．MultivariatestatisticprocesscontrolfMSPC)hasbeendevelopedmorethanthirtyyears．inwhich10tsofresearchresultshavebeenacquiredandappliedwidely．Inorderto
6、improveproductqualityandeconomicbenefts，theprocessconditionsshouldbecloselymonitoredandfaultsshouldbetimelydetected．However,traditionalmultivariablestatisticalmonitoringmethodssuchasPCA(PrincipalComponentAnalysis)，PLS(PartialLeastSquare)andtheirenhancedformallassumet
7、hatvariablesshouldbesubjectedtotheidenticalindependentdistribution伍d1．Butdatacollectedfromtheactualprocessalwayshaveautocorrelation，SOtheassumptionbasedoniidfor“staticstate”projectionmethodscannotreflectthedynamicperfornqanceofthesystem．Canonicalvariateanalysisproced
8、urehasbeendevelopedonthebasisofoptimalstatisticalinferenceprinciples，anditachievesoptimalstatisticalaccurac礦廂oprincipleofC翰jStocons
