資源描述：
《基于統(tǒng)計(jì)理論的工業(yè)過程綜合性能監(jiān)控、診斷及質(zhì)量預(yù)測(cè)方法研究》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(kù)。
1、基于統(tǒng)計(jì)理論的工業(yè)過程綜合性能監(jiān)控、診斷及質(zhì)量預(yù)測(cè)方法研究奉摘要隨著工業(yè)過程規(guī)模的不斷擴(kuò)大和復(fù)雜性的日益提高，有效的性能監(jiān)控、故障診斷和質(zhì)量預(yù)測(cè)是保證生產(chǎn)安全、提高產(chǎn)品質(zhì)量和經(jīng)濟(jì)效益的關(guān)鍵。對(duì)于復(fù)雜的工業(yè)過程來說，準(zhǔn)確詳細(xì)的數(shù)學(xué)模型往往很難得到，即使能夠得到，這些理論上的等式也只能描述系統(tǒng)中一部分能量及物料平衡關(guān)系，這就限制了基于模型的性能監(jiān)控方法的應(yīng)用。另外，隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，工業(yè)過程中能夠測(cè)量和處理的變量越來越多，如何從海量數(shù)據(jù)中挖掘出隱藏的有用信息，從而提高過程運(yùn)行的安全性和可靠性，已經(jīng)成為越來越迫切需要解決的問題。統(tǒng)計(jì)性能監(jiān)控就
2、是在這種背景下發(fā)展起來的，并且受到了廣泛關(guān)注。統(tǒng)計(jì)性能監(jiān)控是一種基于多元統(tǒng)計(jì)理論的方法。它通過對(duì)測(cè)量數(shù)據(jù)的分析和解釋，判斷過程所處的運(yùn)行狀態(tài)，在線監(jiān)測(cè)和識(shí)別過程中出現(xiàn)的異常工況，從而指導(dǎo)生產(chǎn)、減小過程故障所造成的損失和提高生產(chǎn)效率。另外，在現(xiàn)代許多企業(yè)中，由于技術(shù)或經(jīng)濟(jì)條件的限制，生產(chǎn)過程中許多與產(chǎn)品質(zhì)量密切相關(guān)的重要參數(shù)很難通過傳感器在線測(cè)量。隨著市場(chǎng)競(jìng)爭(zhēng)的不斷加劇和生產(chǎn)工藝的復(fù)雜化，這一問題己成為制約生產(chǎn)與產(chǎn)品質(zhì)量進(jìn)一步提高的關(guān)鍵性因素。質(zhì)量預(yù)測(cè)和估計(jì)(軟測(cè)量技術(shù))就是為了解決這一問題而產(chǎn)生的，質(zhì)量預(yù)測(cè)通過一些可以測(cè)量的過程變量和其他一些參
3、數(shù)，能夠在線估計(jì)這些無法直接測(cè)量的參數(shù)和變量，從而為過程控制及管理決策提供支持，為生產(chǎn)過程的綜合自動(dòng)化奠定基礎(chǔ)。本文在傳統(tǒng)統(tǒng)計(jì)性能監(jiān)控和質(zhì)量估計(jì)方法的基礎(chǔ)上，做了不同程度的改進(jìn)并提出了一些新的監(jiān)控和質(zhì)量估計(jì)算法。本文的主要工作和貢獻(xiàn)有以下幾個(gè)方面：1．利用核主元分析非線性性能監(jiān)控的優(yōu)勢(shì)，并將相似度分析引入故障診斷領(lǐng)域，提出了基于核主元分析和模式匹配技術(shù)相結(jié)合的性能監(jiān)控和故障診斷方法。針對(duì)PCA相似度分析存在的問題，對(duì)該方法進(jìn)行了改進(jìn)。首先利用KPCA方法計(jì)算數(shù)據(jù)的非線性主元，然后計(jì)算不同數(shù)據(jù)集之間的非線性主元相似度；并將主元相似度、國(guó)家發(fā)改委項(xiàng)
4、目，項(xiàng)目名稱：“煤化工企業(yè)綜合自動(dòng)化信息集成平臺(tái)及應(yīng)用”國(guó)家自然科學(xué)基金項(xiàng)目，項(xiàng)目名稱：“核學(xué)習(xí)理論和方法及其在復(fù)雜生產(chǎn)過程異常事件診斷和預(yù)報(bào)中的應(yīng)用研究”(NO．60504033)非線性主元相似度和基于距離的相似度賦予不同的權(quán)值構(gòu)成綜合相似度指標(biāo)來進(jìn)行模式匹配。TE過程仿真試驗(yàn)驗(yàn)證了該方法在非線性性能監(jiān)控和故障診斷中的有效性。2．針對(duì)復(fù)雜的工業(yè)過程，綜合核主元分析處理非線性數(shù)據(jù)的優(yōu)點(diǎn)和ICA方法提取高維特征空間信息的能力，提出了基于KICA方法的非線性性能監(jiān)控方法。該方法首先將數(shù)據(jù)通過非線性核函數(shù)映射到高維特征空間，然后在特征空間中進(jìn)行獨(dú)立主
5、元分析和計(jì)算。通過在特征空間中構(gòu)建監(jiān)控統(tǒng)計(jì)量和控制置信限，來實(shí)現(xiàn)復(fù)雜化工和生物過程的監(jiān)控。非線性數(shù)值仿真實(shí)例和流化催化裂化(FCCU)過程仿真研究驗(yàn)證了該方法的有效性。3．針對(duì)間歇過程監(jiān)控的特點(diǎn)，將核方法引入到Fisher判別分析中，提出了基于核Fisher判別分析的間歇過程性能監(jiān)控與故障診斷法。所提出的方法僅利用已獲得的數(shù)據(jù)測(cè)量值對(duì)過程進(jìn)行監(jiān)控，避免了傳統(tǒng)MPCA方法對(duì)未來測(cè)量值的估計(jì)，從而提高了間歇過程監(jiān)控的性能。在線性能監(jiān)控通過比較核Fisher特征向量之間的歐氏距離來實(shí)現(xiàn)，而最優(yōu)核Fisher判別向量用來鑒別故障類型。與KPCA方法相比
6、，KFDA方法不僅簡(jiǎn)化了運(yùn)算，避免了對(duì)核主元個(gè)數(shù)的確定，而且可以通過求解最優(yōu)核Fisher判別向量來實(shí)現(xiàn)故障診斷。青霉素發(fā)酵過程仿真應(yīng)用表明，核Fisher方法比傳統(tǒng)的MPCA方法能更及時(shí)地監(jiān)測(cè)出過程異常情況，更準(zhǔn)確地判斷異常發(fā)生的原因。4．利用核偏最小二乘(KernelPartialLeastSquares，KPLS)非線性回歸的優(yōu)勢(shì)，提出了基于KPLS的非線性質(zhì)量估計(jì)和預(yù)測(cè)方法。首先通過非線性映射將過程數(shù)據(jù)從低維輸入空間映射到高維特征空間，實(shí)現(xiàn)變量之間非線性相關(guān)關(guān)系的線性轉(zhuǎn)化。然后在高維特征空間中利用PLS回歸方法進(jìn)行質(zhì)量估計(jì)和預(yù)測(cè)。數(shù)值仿
7、真實(shí)例和實(shí)際工業(yè)過程數(shù)據(jù)應(yīng)用表明KPLS方法能更有效地捕捉變量之間的非線性關(guān)系，回歸和質(zhì)量預(yù)測(cè)效果明顯優(yōu)于線性PLS方法。5．針對(duì)質(zhì)量估計(jì)和預(yù)測(cè)過程中由于儀表錯(cuò)誤或過程泄漏等原因造成的過失誤差及故障問題，將模式識(shí)別中的Fisher判別分析法引入過程顯著誤差偵破和故障監(jiān)測(cè)，提出了基于Fisher判別分析和核回歸的質(zhì)量監(jiān)控和估計(jì)方法。首先利用Fisher方法對(duì)輸入數(shù)據(jù)進(jìn)行在線監(jiān)測(cè)，若系統(tǒng)運(yùn)行正常，則用核主元回歸方法對(duì)質(zhì)量數(shù)據(jù)進(jìn)行預(yù)測(cè)和估計(jì)；否則將存在故障和過失誤差的數(shù)據(jù)剔除并利用貢獻(xiàn)圖法確定故障原因。實(shí)際工業(yè)過程數(shù)據(jù)仿真研究驗(yàn)證了該方法進(jìn)行故障監(jiān)測(cè)
8、和質(zhì)量估計(jì)的有效性。6．通過分析上海焦化甲醇精餾過程的特點(diǎn)和工藝流程，開發(fā)出了一套統(tǒng)計(jì)性能監(jiān)控和質(zhì)量估計(jì)軟件，并將其應(yīng)用到實(shí)際生產(chǎn)過程中，取得了良好效
