基于規(guī)范變量分析的化工過(guò)程故障診斷方法研究.pdf

1、隨著科技的不斷發(fā)展，化工過(guò)程趨于復(fù)雜化。研究化工過(guò)程的故障診斷算法對(duì)保證安全生產(chǎn)、避免生產(chǎn)設(shè)備損毀、提高產(chǎn)品質(zhì)量發(fā)揮了關(guān)鍵性作用。國(guó)內(nèi)外學(xué)者在故障診斷領(lǐng)域研究改進(jìn)了眾多算法以求達(dá)到快速準(zhǔn)確的故障診斷效果。實(shí)際的化工過(guò)程一般具有復(fù)雜性高、規(guī)模龐大的特點(diǎn)，化工過(guò)程通常都會(huì)采集到豐富的過(guò)程變量數(shù)據(jù)，而基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷算法直接從化工過(guò)程中采集到的數(shù)據(jù)入手，對(duì)數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)對(duì)過(guò)程的故障診斷，因此深入研究基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷算法，不僅具

2、有重要的理論意義，在實(shí)際生產(chǎn)中也具有廣闊的應(yīng)用前景。
　　本文主要對(duì)規(guī)范變量分析（CVA）算法進(jìn)行研究，并對(duì)該算法在故障診斷應(yīng)用中存在的問(wèn)題做進(jìn)一步改進(jìn)，主要做了以下幾個(gè)方面的工作：
　　1.針對(duì)規(guī)范變量分析（CVA）算法不能較好地處理化工過(guò)程高維數(shù)據(jù)的降維問(wèn)題，提出了一種基于等距映射（ISOMAP）的化工過(guò)程故障診斷 CVA算法，該算法首先采用流形學(xué)習(xí)中的ISOMAP算法，完成對(duì)初始數(shù)據(jù)的非線(xiàn)性降維，同時(shí)保持了數(shù)據(jù)內(nèi)部的幾

3、何結(jié)構(gòu)，然后基于從高維數(shù)據(jù)中提取出來(lái)的低維數(shù)據(jù)，利用規(guī)范變量分析（CVA）得出過(guò)程狀態(tài)向量和監(jiān)控統(tǒng)計(jì)量，通過(guò) TE過(guò)程仿真驗(yàn)證了該算法用于化工過(guò)程故障診斷的合理性。
　　2.針對(duì)過(guò)程數(shù)據(jù)通常具有時(shí)變性，規(guī)范變量分析（CVA）在動(dòng)態(tài)過(guò)程系統(tǒng)的故障診斷中不能得到較好的故障診斷準(zhǔn)確率，提出了一種基于滑動(dòng)窗的規(guī)范變量分析（MWCVA）算法，該算法首先建立初始的 CVA模型和計(jì)算監(jiān)控統(tǒng)計(jì)量，通過(guò)滑動(dòng)窗更新過(guò)程變量數(shù)據(jù)，計(jì)算更新建模所需數(shù)據(jù)，

4、不斷實(shí)時(shí)的更新出新樣本的CVA模型和監(jiān)控統(tǒng)計(jì)量，通過(guò)TE過(guò)程仿真驗(yàn)證了該算法的優(yōu)越性。
　　3.針對(duì)化工過(guò)程中，往往生產(chǎn)多種產(chǎn)品，使得過(guò)程存在多個(gè)操作模態(tài)，傳統(tǒng)的單模態(tài)故障診斷算法在用于診斷多模態(tài)化工過(guò)程時(shí)不再適用。因此，針對(duì)多模態(tài)化工過(guò)程中多高斯分布的采樣數(shù)據(jù)，本文提出了一種基于高斯混合模型的核規(guī)范變量分析算法。首先采用高斯混合模型（GMM）將化工過(guò)程中的采樣歷史數(shù)據(jù)分類(lèi)成多個(gè)高斯分量，然后利用核規(guī)范變量分析(KCVA)算法對(duì)每