基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法

基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法

ID:38623144

大小:626.50 KB

頁(yè)數(shù):9頁(yè)

時(shí)間:2019-06-16

基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法_第1頁(yè)
基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法_第2頁(yè)
基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法_第3頁(yè)
基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法_第4頁(yè)
基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法_第5頁(yè)
資源描述:

《基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、擬投期刊:基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法江偉1,王昕2,王振雷1*(1華東理工大學(xué)化工過(guò)程先進(jìn)控制和優(yōu)化技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,上海200237;2上海交通大學(xué)電工與電子技術(shù)中心,上海200240)摘要:多塊策略被廣泛運(yùn)用于全流程過(guò)程監(jiān)控領(lǐng)域,而傳統(tǒng)的分塊方法得到的子塊數(shù)據(jù)存在著高斯與非高斯混合分布的問(wèn)題,影響了過(guò)程監(jiān)控的效果,為此提出了一種基于多塊MICA-PCA的過(guò)程監(jiān)控方法。首先采用Jarque-Bera(J-B)檢測(cè)方法對(duì)原始數(shù)據(jù)進(jìn)行高斯與非高斯分塊,接著采用Hellinger距離(HD)方法得到高斯與非高斯子塊。分別用改進(jìn)的獨(dú)立成分分析(MICA)方法與MICA-

2、PCA方法得到非高斯與高斯子塊的統(tǒng)計(jì)量,通過(guò)加權(quán)方法得到總的聯(lián)合指標(biāo)進(jìn)行故障檢測(cè)。同時(shí)對(duì)高斯與非高斯子塊采用不同的故障診斷方法,提高了診斷效果。最后將該方法應(yīng)用在田納西-伊斯曼(TE)過(guò)程的過(guò)程監(jiān)控中,證明了該方法的有效性。關(guān)鍵詞:多塊;全流程;改進(jìn)的獨(dú)立成分分析;主元分析;非高斯中圖分類號(hào):TP277文獻(xiàn)標(biāo)識(shí)碼:APlant-wideProcessMonitoringBasedonMultiblockMICA-PCAJIANGWei1,WANGXin2,WANGZhenlei1*(1KeyLaboratoryofAdvancedControlandOptimizationforChe

3、micalProcesses,EastChinaUniversityofScienceandTechnology,Shanghai200237,China;2CenterofElectrical&ElectronicTechnology,ShanghaiJiaoTongUniversity,Shanghai200240,China)Abstract:Multiblockstrategyiswidelyusedforplant-wideprocessmonitoring,however,thesub-blockdataobtainedfromthetraditionalmultibloc

4、kmethodstillhastheproblemofnon-GaussianandGaussianmixturedistribution,whichinfluencetheperformanceofprocessmonitoring,amethodnamedmultiblockMICA-PCAisproposedtoimprovetheprocessmonitoringperformance.Firstly,themeasuredvariablesareautomaticallydividedintonon-GaussianblockandGaussianblockthroughth

5、eJarque-Bera(J-B)testmethod,thenon-GaussianblockandGaussianblockaredividedintonon-Gaussiansub-blocksandGaussiansub-blocksthroughtheHellingerDistance(HD)method.ThenthemodifiedIndependentcomponentanalysis(MICA)andMICA-PCAmethodsareusedtoobtainnon-Gaussiansub-blocksandGaussiansub-blocksstatistics,a

6、ndthecombinedindex,whichisweightedbythesestatistics,isusedforfaultdetection.Thenon-Gaussiansub-blocksandGaussiansub-blocksusethedifferencefaultdiagnosismethodstoimprovethefaultdiagnosisperformance.Finally,theproposedmethodhasbeenappliedtomonitortheTennessee-Eastman(TE)processtoshowitsefficiency.

7、Keywords:multiblock;plant-wideprocess;modifiedindependentcomponentanalysis;principalcomponentanalysis;non-Gaussian收稿日期:2016年-月-日;修回日期:2016年-月-日.基金項(xiàng)目:項(xiàng)目名稱(編號(hào));項(xiàng)目名稱(編號(hào)).作者簡(jiǎn)介:江偉(1991-),男,江蘇省海門市,碩士,從事故障診斷研究;王振雷(1975-),男,教授,博士生導(dǎo)師

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。