基于統計特征的不等長間歇過程故障診斷研究本科畢業論文-資料下載頁

【導讀】為監控系統中的不可缺少的一部分。及時準確地檢測和診斷出過程的。產管理成本，提高產品的質量。基于統計分析的故障診斷是故障診斷。技術的重要組成部分之一。—A1堆腐蝕過程進行了具體地分析與仿真，取得了預期的效果。ponentanalysis，MPCA)方法在故障監測與診斷過程中的應用。時間，因此該算法具有很好的故障診斷性能。

　　

【正文】 0 1000 1500 20xx 2500 3000 3500 0 20 40 60 80 100 1202 . 6 52 . 72 . 7 52 . 82 . 8 52 . 9x 1 04(a) EndPt A EndPt A 時間 時間 TCP Load 沈陽化工大學學士學位論文 第 三 章 基于統計特征的不等長間歇過程故障診斷研究 20 該仿真實驗中，每個批次有 17 個過程變量。每個批次是不等長的，持續時間在 95112 秒之間變化。隨機抽取 96 個正常批次為建模數據，其余 11 個正常批次為校驗數據。為了消除傳感器中初始的波動影響，去除開始的 5 個樣本，保留 85個樣本以適應最短的批次。對 96 個等長的正常批次數據運用 MPCA 方法進行建模，并對 11 個校驗批次數據和 20 個故障批次進行故障檢測。 MPCA 方法的 SPE 檢測結果如圖 所示。 MPCA 方法檢測出了故障 12 和 13，然而，由于它們的數值較大，沒有 顯示在圖 中。 運用 基于統計特征的 方法進行故障診斷，不需要數據預處理 [2]。直接計算 96個不等長批次的均值、方差、偏度、峭度和任意兩個變量間的歐氏距離，并將這些統計特征組合成一個等長的特征向量 ,然后運用 PCA 進行過程監視。本文方法的SPE 檢測結果如圖 所示。本文方法檢測出了故障 4 和 12，同樣沒有顯示在圖 中。 圖 MPCA方法的 SPE監測圖 沈陽化工大學學士學位論文 第 三 章 基于統計特征的不等長間歇過程故障診斷研究 21 圖 本文方法的 SPE監測圖 兩種方法的 SPE檢測結果對比如表 。從表 ，本文方法和傳統 MPCA對正常批次的 SPE檢測率均為 100%；本文對故障批次的 SPE故障檢測率為80%，而傳統的 MPCA的檢測率為 65%。證明運用本文方法進行檢測的準確率遠遠高于傳統的 MPCA方法，大大提高了故障檢測率，減少了故障的誤報率和漏報率。 表 SPE監測結果對比 方法 校驗 批次 總 數 檢測的校驗批次 總 數 校驗 批次檢 測比例 故障 批次 總數 檢 測 的故障批次 總數 故障批次檢測比例 MPCA 11 11 100% 20 13 65% 本文方法 11 11 100% 20 16 80% 表 是在 平臺下傳 統 MPCA 和本文方法故障檢測所需的 CPU 時間（ CPU： Pentium Dualcore RAM: ）。由表 可知， MPCA 方法需要計算 14451 445 維的協方差矩陣，而本文方法協方差矩陣的維數僅為204 204，減少了存儲空間。與 MPCA 方法相比，本文方法降低了特征向量的維數，但是故障檢測時間僅比 MPCA 方法減少了 秒。這是由于本文方法在運用MPCA 進行故障診斷之前，需要先計算統計特征向量，增加了時間。 TCP Load 沈陽化工大學學士學位論文 第 三 章 基于統計特征的不等長間歇過程故障診斷研究 22 表 MPCA和本文方法故障檢測對比 方法 特征向量大小 協方差矩陣大小 故障檢測時間（ s） MPCA 1445 3 1445 1445 本文 方法 204 3 204 204 本章小結 傳統的 MPCA 方法可以有效的對等長批次生產過程中存在的故障進行檢測和診斷，但是由于間歇過程具有間歇性、操作的不確定性、反應過程的多模態及不等長等特性，致使 MPCA 不能直接應用于間歇過程故障診斷。本章提出的基于統計特征的不等長間歇過程故障診斷方法可以有效的解決這些問題，使故障檢測結果更加準確。同時，本章所介紹的算法減少了計算量和存儲空間， 降低了故障檢測時間。 沈陽化工大學學士學位論文 第四章 總結與展望 23 第四章 總結和展望 總結 伴隨著現代工業生產技術和科學的大力進步 ,生產裝置向大型化、結構復雜化的趨勢變得非常明顯 ,在這一方面雖然大幅度提高了生產效率 ,但同時，生產過程發生事故的可能性也大大增加。傳統的控制理論中的故障診斷方法主要是建立在系統的精確模型基礎上的 ,這對于反應機理復雜、非線性、時變性等擾動嚴重的復雜工業過程在應用中是較難實現的。隨著計算機技術的快速發展，導致 DCS 及各種數字化控制設備（如智能化儀表）在工業過程中的廣泛應用 ,可以采 集得到大量的過程數據 ,通過對這些過程數據的處理 ,從中挖掘出過程運行的有用信息 ,借此提高工業過程控制的精度是目前控制領域研究的熱點問題之一。 本文介紹了幾種基于多元統計方法的間歇過程故障診斷中能應用到的算法 ,如PCA、 MPCA 等，并著重介紹了基于統計特征的不等長間歇過程的故障診斷算法。本文應用半導體工業實例 — A1 堆腐蝕過程來對 MPCA 與基于統計特征的不等長間歇過程的故障診斷方法進行了實驗驗證，并且經過實驗 的仿真得出了理想的仿真結果。 工作展望 （ 1） 故障診斷與預警 本文研究內容偏向于故障檢測 ,只能 向使用者提供過程正常與否的通知信息。但是用戶更希望知道具體哪里有故障 ,什么類型的故障 ,甚至最好能提前知道可能會發生什么故障 ,這就需要故障診斷與預警工作。基于數據驅動的故障診斷方法通過貢獻圖理論上能夠識別出故障源。但是過程故障的發生和傳播都相當復雜 ,又和過程的機理密切相關 ,缺乏過程機理和經驗指導 ,故障的診斷和識別很容易得出誤導性的結果。因此 ,如果數據驅動方法和基于知識的方法能夠相互結合 ,取長補短 ,必將對提高故障診斷的可靠性有重要幫助。 （ 2） 基礎理論研究 目前 ,故障檢測算法所用到的一些數學理論基礎有的尚不完 善 ,例如 ,如何更好沈陽化工大學學士學位論文 第四章 總結與展望 24 的處理全局算法和局部算法各有不足的問題 ,新的樣本如何實現模型的遞歸更新問題等。這就要求在基礎數學理論研究上也要下功夫。 （ 3） 方法的使用范圍拓展 本文所討論的方法大都建立在化工或生化平臺上 ,但并不是說僅適用于上述范圍。基于數據驅動的故障診斷方法的通用性體現在其跨平臺的可移植性上 ,在工業生產和生活各個領域都應當發揮其作用。如何把該方法與新的應用領域互相融合是值得我們深入考慮的問題。 （ 4） 故障檢測軟件商品化 盡管有眾多新方法被不斷提出 ,然而目前傳統的 MPCA 方法在故障診斷軟件上依然占據絕 對優勢。究其原因 ,除新算法的快速性 ,魯棒性需要增強外 ,積極推廣使用新算法 ,實現商品化也是需要重視的問題。理論只有應用于實踐才能不斷發現問題 ,解決問題 ,不斷完善。 沈陽化工大學學士學位論文 參考文獻 26 25 參考文獻 [1]周東華，李鋼，李元 . 數據驅動的工業過程故障檢測與診斷技術 [M]. 北京 :科學出版社， 20xx： 175． [2]周東 華 .國內動 態系統故 障診斷技 術的一些最 新進展 [J]. 自動化博覽 ,20xx,12(10):1618． [3] 郭金玉，趙璐璐 ,李元 . 基于統計特征的不等長間歇過程故障診斷研究 ［ J］ .計算機應用研究 , 20xx, 29(1): 5153． [4] Hwang D H, Han C H. Real time monitoring for a process with multiple operating modes [J]. Control Engineering Practice , 1999, 7 (7) : 891902． [5] 張云濤，龔玲 . 數據挖掘原理與技術 [M]. 電子工業出版社， 20xx， 5480． [6] FRANK P and qualitative modelbased fault diagnosisa survey and some new results[J]. European Jorunal of Control, 1996, l(2):628. [7] 湯雙清 .飛輪儲能技術及應用 [M]. 武漢：華中科技大學出版社 ,20xx:27. [8] 蔣浩天 ,拉塞爾 EL.,布拉茨 [M]. 段建民 ,譯 .北京 :機械工業出版社 ,20xx:2 一 79. [9] Chiang L. H. Russell E. L and R. D. Braatz. Fault detection and diagnosis in industrial systems[M]. SpringerVerlag, London, 20xx. [10] LeeT. Independent ponent analysis: theory and application[M]. Kluwer Academic,Boston, 1998. [11] Kramer,., .Nonlinear principal ponent analysis using autoassociative neural works[J]. AIChE J., 1991, 37(2):233243. [12] Vetterli,M.,and Herley,C. Wavelets and filter banks: theory and desigh[J]. IEEE Process.,1992, 40(9):22072232. [13] Alsberg,.,Woodward,.,and Ke11,. An introduction to wavelet transforms for chemometricians: a timefrequency approach[J]. Chemometrics ., 1997, 37:215239. [14] Bakshi,.. Multiscale PCA with application to multivariate statistical process monitoring[J]. AIChE Journal, 1998, 44(7):15961610. 沈陽化工大學學士學位論文 致謝 26 致謝 在本論文即將完成之際，我要向給予我關心和幫助的老師、同學、朋友表示我衷心的感謝和最真誠的問候。 首先感謝我的指導教師郭金玉教授。郭老師對我整個論文的工作過程給予了特別詳細的指導。在 課題研究和論文撰寫過程中，郭老師不斷指導我學習方法，耐心詳細地為我解答問題，并且與我一起研究探討，推敲論文中的方案。郭老師治學嚴謹，學識淵博，平易近人，在她的 幫助和指導下，使我領會了基本的思考方式，提高了創新意識，鍛煉了實際操作能力，收益頗豐。在此謹向郭老師表達我真摯的感謝和崇高的敬意。 同時，感 謝我還要感謝幫助我的實驗室各位師兄，是他們給我提供了相關的參考資料，在整個論文的編寫過程中，遇到的問題，他們都能細心的及時予與我解答，使我在畢業設計中較好地運用所學的算法和編程的相關知識，也為今后的學習打好了堅實的基礎。 此外，還要感謝我的同學朋友們。四年來，我們互幫互助，共同進步。無論是生活上還是學習上，我們相互支持，排除解決了各種困難與挫折。感謝我的同學朋友們在畢業設計期間給予我的支持和幫助，希望所有人前程似錦。 最后，我將以此為起點，在今后工作中努力提高自己，以實際行動感謝那些幫助、指導和關心過我的老 師、同學和朋友。 此致 敬禮