【摘要】：隨著現(xiàn)代工業(yè)生產(chǎn)系統(tǒng)大型化和復(fù)雜化的迅速發(fā)展,為了保證生產(chǎn)過程安全、可靠、無故障的長期運行,過程監(jiān)測與故障診斷已經(jīng)成為控制領(lǐng)域最具有挑戰(zhàn)性的研究方向之一。由于系統(tǒng)的復(fù)雜化,相關(guān)歷史數(shù)據(jù)的不斷增加,同時變量之間的關(guān)系也隨之變得更加復(fù)雜,對于變量之間因果關(guān)系的正確把握在很大程度上影響著故障診斷的準確性�；诙嘣y(tǒng)計分析的故障診斷方法是重要的過程監(jiān)測與故障診斷方法之一,但當生產(chǎn)過程出現(xiàn)故障時,傳統(tǒng)的基于多元統(tǒng)計分析的故障診斷方法在具有根部原因及因果關(guān)系問題的診斷上就略顯不足。本文在國內(nèi)外已有的研究成果的基礎(chǔ)上,對變量之間存在著因果關(guān)系的故障診斷問題進行了系統(tǒng)和深入的研究,所做的主要工作為: 首先,利用領(lǐng)域?qū)＜宜o出的領(lǐng)域知識,將其與貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法PC算法相結(jié)合來建立變量之間的因果貝葉斯網(wǎng)絡(luò),通過在PC算法中適當?shù)牟迦腩I(lǐng)域知識進行貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí),從而獲得因果貝葉斯網(wǎng)絡(luò)。 其次,在因果貝葉斯網(wǎng)絡(luò)以及對現(xiàn)有的基于多元統(tǒng)計分析的故障診斷方法分析的基礎(chǔ)上,將因果貝葉斯網(wǎng)絡(luò)與T 2分解法相結(jié)合,提出了一種基于貝葉斯網(wǎng)絡(luò)與T 2分解法的故障診斷方法,通過建立基于貝葉斯網(wǎng)絡(luò)的多元線性回歸模型、進行基于T 2控制圖的故障檢測、統(tǒng)一分解方式以及建立分解方式所包含的所有分解項的判定界限識別出故障變量三個步驟來達到診斷目的; 最后,為了證明該方法的有效性和準確性,在以上工作的基礎(chǔ)上,對一實例的單變量失控與多個變量同時失控的兩種故障情況進行分析,將該方法的診斷結(jié)果與傳統(tǒng)的基于單變量控制圖、主成分分析、MYT正交分解的故障診斷方法的診斷結(jié)果進行比較,證明了本文提出的故障診斷方法是有效可行的。同時,對該方法與基于MYT正交分解的故障診斷方法進行了仿真實驗,仿真實驗是在31種故障模式下進行的,實驗結(jié)果證明本文提出的故障診斷方法在準確性方面優(yōu)于基于MYT正交分解的故障診斷方法,其診斷過程也比基于MYT正交分解的故障診斷方法便捷。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TH165.3
【圖文】：

簡介程中，影響最終產(chǎn)品質(zhì)量的因素往往有多種，而這些變?nèi)绻雎运鼈冎g的相關(guān)性，而用多個單變量控制圖分控，往往會導(dǎo)致生產(chǎn)過程中的異常情況不容易被確認，會導(dǎo)出錯誤的結(jié)論。需要用兩個變量1X 和2X 來表征，當兩個變量相互獨立個變量繪制單變量控制圖進行監(jiān)控。如圖 2.1 所示，根樣本均值1x 和2x 均在各自的控制限以內(nèi)，就可以認為生2X 之間存在著相關(guān)關(guān)系時，其二元變量的聯(lián)合控制區(qū)域.2 顯示有一樣本點位于橢圓控制區(qū)域之外，表示生產(chǎn)過程控時，監(jiān)控的結(jié)果為處于受控狀態(tài)。因此，當變量之間圖會出現(xiàn)誤判的情況。

圖 2 兩個變量不相互獨立情況下的橢圓控制區(qū)域的復(fù)雜性不斷加大，并且這些過程變量彼此之間存在著相關(guān)法做到準確的監(jiān)控，因此對多個過程變量進行聯(lián)合監(jiān)控就顯得慮多個具有相關(guān)關(guān)系變量的問題，就稱為多變量統(tǒng)計過程控制控制圖程的監(jiān)控首推 Hotelling2T 控制圖，其核心思想是通過新觀察值來判斷出界的異常點。圖 2.1 的中心點 1 2O x ,x 為其數(shù)據(jù)的的直線距離為 2 21 1 2 2d x x x x

9 -1.4265 0.6709 0.278 -1.9863 0.233 6.575310 1.1584 0.7381 1.4313 0.2262 3.2942 16.5347圖4.5 變量5X 發(fā)生均值偏移情況下的2T 控制圖由圖4.5可知，前9個樣本均處在控制限的范圍之內(nèi)，而第10個樣本明顯超出控制限，為奇異值點，由此可以判斷生產(chǎn)過程出現(xiàn)故障，第1~10個樣本的2T 值列于表4.1中。接下來就是要確定生產(chǎn)過程中故障的產(chǎn)生具體是由哪個或者哪些變量引起的，即進行故障識別。4.4.3 故障識別根據(jù)式（4-17），對出界的2T 值進行分解，分解的結(jié)果為存在著 5 個分解項21T 、22T 、23 1,2T 、24 1T 和25 3,4T

【參考文獻】

相關(guān)期刊論文 前4條

1 胡濤,呂炳朝,陳光

本文編號：2750246