隨著科技的發(fā)展和社會需求的增長,流程工業(yè)作為國民經(jīng)濟發(fā)展的重要基礎(chǔ),例如石油、化工、冶金、制藥、食品等生產(chǎn)過程變得日趨大型化、集成化和自動化。其中,設(shè)備老化、環(huán)境漂移等引起的微小故障隨著生產(chǎn)的進行,往往會造成重大生產(chǎn)事故,導(dǎo)致嚴(yán)重人身傷害、巨大財產(chǎn)損失甚至無可挽回的環(huán)境災(zāi)難。過程監(jiān)測與故障診斷作為保障其安全平穩(wěn)運行的關(guān)鍵技術(shù)得到了廣泛關(guān)注與快速發(fā)展。依據(jù)流程工業(yè)生產(chǎn)工藝和采集的大量過程數(shù)據(jù),采用多元統(tǒng)計分析方法建立過程監(jiān)控模型,實現(xiàn)對微小故障的監(jiān)測與診斷。主要工作如下:（1）.針對流程工業(yè)過程中出現(xiàn)的幅值較小、易與噪聲混淆的微小故障,提出一種將多元指數(shù)加權(quán)滑動平均（MEWMA）與主元分析（PCA）相結(jié)合的MEWMA-PCA過程監(jiān)測方法。首先應(yīng)用多元指數(shù)加權(quán)滑動平均對原始采樣數(shù)據(jù)進行濾波,剔除噪聲;其次采用主元分析提取兩類統(tǒng)計量T2與SPE,為簡化監(jiān)測過程,將上述統(tǒng)計量融合為單個聯(lián)合指標(biāo),進而給出完整的過程監(jiān)測流程;最后通過實例研究,驗證了該監(jiān)測方法的合理性。（2）.針對主元分析孤立地提取過程數(shù)據(jù)的特征,而忽略了數(shù)據(jù)自身及其相互之間的相關(guān)特性,因此提出基于規(guī)范變量分析（CVA）與多元指數(shù)... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２?ＡｆｆｉＦＡＭ模型濾波??

（１）故障１：階躍擾動??變量ｘ２從第１００采樣時刻按照Ｌ＝ｘ２－０．０】施加擾動，代表微小階躍擾動。傳統(tǒng)ＰＣ４方法??對仿真故障１的監(jiān)測結(jié)果如圖２－６所示：其中ＰＣｄ模型主元個數(shù)為３?，置信度為９９％的控制限，??圖中黑色虛線表示故障引入點�？梢钥闯觯裕仓笜�(biāo)對微小故障１的監(jiān)測基本失效，＾丑指標(biāo)由于??故障幅值較小，不能準(zhǔn)確地對其進行監(jiān)測；并且出現(xiàn)了監(jiān)測結(jié)果沖突的問題，ｒ２指標(biāo)全部處于??控制限之下，而＃五指標(biāo)出現(xiàn)了部分故障點。??基于Ａ／￡＞ｆＭ４－ＰＣ４的過程監(jiān)測方法對故障１的監(jiān)測結(jié)果如圖２－７所示：其中數(shù)據(jù)濾波的遺忘??因子ｐ?＝?０．１。在故障引入后（圖中黒色虛線），該方法準(zhǔn)確地監(jiān)測到了過程出現(xiàn)的階躍擾動故障。??１２?ｉ?１?＇?＇?＇?Ｉ?０．２??ｊ???■?＞???１??１０?Ｌ－．１?■?；??，?０．１５?１?１??０?２００?４００?６００?８００?１０００?０?２００?４００?６００?８００?１０００??采樣數(shù)?采樣數(shù)??圖２－６尸０過程故障１監(jiān)測??８??１?Ｉ?Ｉ?Ｉ?Ｉ??

寧夏大學(xué)碩士學(xué)位論文?第二章基于過程微小故障監(jiān)測??（２）故障２：慢漂移擾動??變量Ｘ，從第１００采樣時刻按照Ｌ?＝?Ａ?＋?０．００５?Ｘ?（／?—?１００）施加擾動，其中７為采樣點的序列??數(shù)，在第９００采樣時刻消失，代表慢漂移擾動故障。ＰＣ／（方法對仿真故障２的監(jiān)測結(jié)果如圖２－８??所示：同樣選用置信度為９９％的控制限。由圖可知，Ｔ２指標(biāo)對微小故障２的監(jiān)測失效；而５Ｐ五??指標(biāo)在故障引入后雖有小幅度偏移，但由于此幅值較小，直至４００采樣時刻后才監(jiān)測到故障，滯??后非常嚴(yán)重。同時，：Ｔ２和五指標(biāo)監(jiān)測信息的相互沖突，也給操作人員帶來極大的困擾。??

【參考文獻】：
期刊論文
[1]基于狀態(tài)空間主成分分析網(wǎng)絡(luò)的故障檢測方法[J]. 董順,李益國,孫栓柱,劉西陲,沈炯.  化工學(xué)報. 2018(08)
[2]基于雙層局部KPCA的非線性過程微小故障檢測方法[J]. 鄧曉剛,鄧佳偉,曹玉蘋,王磊.  化工學(xué)報. 2018(07)
[3]基于數(shù)據(jù)驅(qū)動的微小故障診斷方法綜述[J]. 文成林,呂菲亞,包哲靜,劉妹琴.  自動化學(xué)報. 2016(09)
[4]一種基于GMM的多工況過程故障診斷方法[J]. 孫賢昌,田學(xué)民,張妮.  計算機與應(yīng)用化學(xué). 2014(01)
[5]微小故障診斷方法綜述[J]. 李娟,周東華,司小勝,陳茂銀,徐春紅.  控制理論與應(yīng)用. 2012(12)
[6]基于數(shù)據(jù)驅(qū)動的故障診斷方法綜述[J]. 李晗,蕭德云.  控制與決策. 2011(01)
[7]相對主元分析及其在數(shù)據(jù)壓縮和故障診斷中的應(yīng)用研究[J]. 文成林,胡靜,王天真,陳志國.  自動化學(xué)報. 2008(09)
[8]基于MEWMA-PCA的微小故障檢測方法研究及其應(yīng)用[J]. 葛志強,楊春節(jié),宋執(zhí)環(huán).  信息與控制. 2007(05)
[9]基于核規(guī)范變量分析的非線性故障診斷方法[J]. 鄧曉剛,田學(xué)民.  控制與決策. 2006(10)
[10]主元空間中的故障重構(gòu)方法研究[J]. 王海清,蔣寧.  化工學(xué)報. 2004(08)

博士論文
[1]基于獨立分量分析的工業(yè)過程異常狀態(tài)監(jiān)測與診斷方法[D]. 郭輝.北京化工大學(xué) 2014

碩士論文
[1]基于改進主元分析的微小故障檢測算法研究[D]. 柯亮.江南大學(xué) 2016
[2]基于主元分析的微小故障檢測[D]. 鄭茜予.華北電力大學(xué) 2015
[3]基于變量篩選的偏最小二乘回歸方法及其應(yīng)用[D]. 楊國棟.中南大學(xué) 2013
[4]基于數(shù)據(jù)分布特性的多變量過程監(jiān)測及故障診斷[D]. 張淑美.東北大學(xué) 2011



本文編號：3610475