資源描述：
《基于PCA及其擴展方法的過程監(jiān)控技術研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、沈陽理工大學碩士學位論文摘要工業(yè)生產(chǎn)的過程監(jiān)控一直是流程工業(yè)系統(tǒng)關注的主要問題之一。它通過監(jiān)測生產(chǎn)過程的運行狀態(tài)，及時檢測故障發(fā)生、過程干擾以及其它的異常工況，定位并診斷引發(fā)故障的原因變量，從而保證生產(chǎn)過程安全運行，提高產(chǎn)品質量和生產(chǎn)效率。目前，隨著分布式工業(yè)控制計算機系統(tǒng)O)cs)和各種智能化儀表、控制設備在工業(yè)過程中的廣泛應用，大量的過程數(shù)據(jù)被及時采集和存儲，如何充分利用這些數(shù)據(jù)的深層次信息，提高過程監(jiān)控能力，正是現(xiàn)今過程監(jiān)控領域亟待解決的問題，這也就促進了統(tǒng)計過程監(jiān)控技術的研究與發(fā)展。l本文主要著重于過程監(jiān)控中的多變量統(tǒng)計過程監(jiān)控這一方面的研究，在研究了統(tǒng)計過程監(jiān)控現(xiàn)狀及
2、發(fā)展趨勢的基礎之上，以主元分析(PrincipleComponentAnalysis，PCA)為主線，化工過程為背景，針對PCA、動態(tài)PCA(DynamicPrincipleComponentAnalysis，DPCA)、多尺度PCA(MultiscalePrincipleComponentAnalysis，MSPCA)I拘不足，本文提出了一種新的基于多尺度動態(tài)PCA(Multisc．nleDynamicPrincipleComponentAnalysis，MSDPCA)的統(tǒng)計過程監(jiān)控改進算法。本方法通過對滯后系數(shù)的計算將測量數(shù)據(jù)矩陣推廣到增廣數(shù)據(jù)矩陣，再利用小波的多尺度特性對
3、測量變量增廣后的矩陣進行多尺度分析，這樣可同時解決測量變量既帶有時序自相關性又存在多尺度特性的情況。并將所提出的基于MSDPCA的監(jiān)控方法應用于數(shù)值仿真研究和TE過程仿真研究，大量監(jiān)測結果表明了基于MSDPCA的監(jiān)控方法的可行性和有效性，在故障發(fā)生時，能準確的、及時的監(jiān)測到故障發(fā)生的時刻，并有效的降低了誤報警，較好的監(jiān)控系統(tǒng)的運行，更進一步擴展了傳統(tǒng)PCA監(jiān)控方法的應用場合。關鍵詞：過程監(jiān)控；主元分析；動態(tài)主元分析；多尺度主元分析；多尺度動態(tài)主元分析沈陽理工大學碩士學位論文AbstractTheprocessmonitoringisoneofthemostimportantpr
4、oblemsintheprocessindustry．Themonitoringsystemcarldetectthefaultsandotherabnormaleventspromptlythroughmonitoringthestateoftheprocess．Thevariablewhichcausesthefaultalsocouldbedetectedandpitched．Theproductionprocesswillbesafeandthequalityoftheproductwillbeimproved．With麗deapplicationofDistribut
5、edControlSystem(ocs)，variousintelligentinstrumentsandcontrolequipmentsintheindustry,agreatamountofprocessdatacanbesampledandcollected．Howtofullyutilizethisdeep-levelinformationtoimprovetheperformanceoftheprocessmonitoringhasbeentheissuetobeaddressedinthefieldofprocessmonitoring，andhaspromote
6、dtheresearchthestatisticalprocessmonitoring．Thisthesisfocusesonmultivariatestatisticalprocessmonitoringoftheprocessmonitoring．Onthebasisofstudyingthepresentsituationanddevelopingtrendsofthestatisticalprocessmonitoringinthedomesticandinternationalfield，andinviewofthedeficienciesofthePrincipal
7、ComponentAnalysis(PCA)，DynamicPrincipalComponentAnalysis(DPCA)andMultiscalePrincipalComponentAnalysis(MSPCA)，WeproposeanewimprovedMultiscaleDynamicPrincipalComponentAnalysis(MSDPCA)processmonitoringalgorithmwhichviewsthePCAasthemainlineandthechemic
