本文關(guān)鍵詞：基于多元統(tǒng)計分析的故障診斷與質(zhì)量監(jiān)測研究

  更多相關(guān)文章： 故障診斷 質(zhì)量監(jiān)測 多元統(tǒng)計分析 比重因子 子空間分解 數(shù)據(jù)驅(qū)動

【摘要】：故障診斷與質(zhì)量監(jiān)測是保障工業(yè)生產(chǎn)過程安全性與產(chǎn)品高質(zhì)量的重要技術(shù)支撐。與傳統(tǒng)依賴數(shù)學(xué)模型或?qū)＜医?jīng)驗的故障診斷方法相比,數(shù)據(jù)驅(qū)動的多變量統(tǒng)計過程監(jiān)測技術(shù)因僅需要正常運行情況下的離線和在線數(shù)據(jù)、以較成熟的多元統(tǒng)計分析方法為主要手段、適合工業(yè)過程多變量高度相關(guān)的特點等,而越來越受到工程界和學(xué)術(shù)界的重視,并已逐漸成為故障診斷領(lǐng)域的重大需求和研究熱點。盡管人們將多元統(tǒng)計分析方法用于故障診斷領(lǐng)域已有很長時間,但是大量工作都是圍繞怎么突破限制條件,改進現(xiàn)有方法以更好地適應(yīng)實際過程；而對于一些本質(zhì)問題,如不同過程變量的重要性和檢測敏感性不同、主元分析(PCA)子空間分解對故障診斷結(jié)果的影響、以及偏最小二乘(PLS)子空間分解的有效性等方面仍未得到徹底研究。本文在前人工作的基礎(chǔ)上,深入研究了多變量統(tǒng)計過程監(jiān)測技術(shù)的幾個根本問題,并針對不同的應(yīng)用實際,提出多種有效的故障檢測、診斷與質(zhì)量監(jiān)測方法：1.基于過程變量對質(zhì)量變量的貢獻度、過程變量對T2／Q檢測指標以及PCA統(tǒng)計模型的影響能力,對過程變量進行細分,并給出一種設(shè)計相對主元分析(RPCA)中比重因子的方法。提高了重要不敏感變量的相對重要性和相對敏感度；降低了不重要敏感變量的相對重要性和相對敏感度；有助于提高重要變量的故障檢測效果,進而改善質(zhì)量預(yù)測性能。2.闡述了PCA子空間分解對故障檢測能力的影響,在此基礎(chǔ)上,建立一種基于特征值和特征向量元素劃分子空間的原則。對殘差子空間進行細分,提出一種基于PCA的多空間檢測方法,提高了故障在殘差子空間中的顯著性,進而提高了微小故障的檢測效果。進一步地,僅僅基于正常運行過程的歷史數(shù)據(jù),利用過程變量對潛變量的不同貢獻度,建立一種基于PCA的多空間診斷方法,一定程度上實現(xiàn)了同時對微小故障的檢測和診斷。3.針對具有時序特性的間歇過程,提出一種基于信息增量的模態(tài)劃分和過程監(jiān)測方法,有效改善了傳統(tǒng)模態(tài)劃分方法的不足,減弱了多PCA模型方法對于樣本服從正態(tài)分布且模型不變的限制；針對具有無序模態(tài)且頻繁切換的多模態(tài)過程,提出一種實時的聯(lián)合故障檢測方法,解決了“量體裁衣”的多模型方法常因難以即時地在線辨識模態(tài)導(dǎo)致難以即時地切換監(jiān)測模型并采取適當方法進行監(jiān)測的問題,進一步完善了多模態(tài)過程實時監(jiān)測方法。4.面向質(zhì)量相關(guān)的過程監(jiān)測問題,在分析PLS子空間分解的有效性的基礎(chǔ)上,建立了兩種直接的潛空間投影方法。針對質(zhì)量變量的主要變化由過程變量引起的情況,在對質(zhì)量變量進行PCA分解的基礎(chǔ)上,生成質(zhì)量潛變量空間從而引導(dǎo)過程變量的分解;針對質(zhì)量變量的部分變化由過程變量引起的情況,利用系統(tǒng)辨識方法求取質(zhì)量預(yù)測值,對質(zhì)量預(yù)測值進行PCA分解,并將其推廣至非線性過程監(jiān)測中。新方法不僅模型簡單、計算代價較小而且取得了較好的效果。5.針對一類連續(xù)時間非均勻采樣系統(tǒng)的故障檢測問題,結(jié)合子空間辨識和等價空間技術(shù),提出了一種僅基于輸入輸出數(shù)據(jù)直接設(shè)計殘差產(chǎn)生器的方法,并用于故障檢測,能夠同時實現(xiàn)快速率殘差產(chǎn)生和相應(yīng)等價矩陣的降維。該方法不用辨識系統(tǒng)模型,在簡化了設(shè)計過程的同時降低了計算量,也是對數(shù)據(jù)驅(qū)動故障診斷技術(shù)結(jié)合基于模型故障診斷技術(shù)方面進行了有益的探索和推動。論文利用數(shù)值仿真、田納西東人過程(TEP)案例研究或青霉素發(fā)酵過程驗證了所提出方法的有效性。最后,總結(jié)了本文的主要研究內(nèi)容,并提出了作者所認為的本領(lǐng)域中亟待研究的若干挑戰(zhàn)性課題。
【關(guān)鍵詞】：故障診斷 質(zhì)量監(jiān)測 多元統(tǒng)計分析 比重因子 子空間分解 數(shù)據(jù)驅(qū)動
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：O212.4;TP277
【目錄】：

• 致謝5-7
• 摘要7-9
• Abstract9-19
• 第一章 緒論19-35
• 摘要19
• 1.1 課題背景和研究意義19-21
• 1.2 故障診斷和質(zhì)量監(jiān)測概述21-24
• 1.3 本課題研究現(xiàn)狀及發(fā)展動態(tài)分析24-31
• 1.3.1 基于PCA的過程監(jiān)測24-28
• 1.3.2 基于PLS的質(zhì)量監(jiān)測28-30
• 1.3.3 基于多元統(tǒng)計分析的故障診斷30-31
• 1.3.4 結(jié)合解析模型的多元統(tǒng)計分析方法31
• 1.4 論文的主要貢獻和章節(jié)安排31-34
• 1.5 本章小結(jié)34-35
• 第二章 一種確定相對主元分析中比重因子的方法35-51
• 摘要35
• 2.1 引言35-36
• 2.2 主元分析(PCA)、相對主元分析(RPCA)和偏最小二乘(PLS)36-40
• 2.2.1 主元分析(PCA)36-38
• 2.2.2 相對主元分析(RPCA)38-39
• 2.2.3 偏最小二乘(PLS)39-40
• 2.3 一種確定比重因子的方法40-47
• 2.3.1 基于PCA的故障檢測40-42
• 2.3.2 比重因子的設(shè)計42-47
• 2.4 Tennessee Eastman過程案例研究47-49
• 2.5 結(jié)論49-51
• 第三章 多空間分解方法及其在微小故障診斷中的應(yīng)用51-69
• 摘要51
• 3.1 引言51-52
• 3.2 子空間分解對PCA故障檢測能力的影響分析52-56
• 3.3 基于PCA的多空間故障檢測方法56-57
• 3.4 基于PCA的多空間故障診斷方法57-62
• 3.5 仿真62-66
• 3.5.1 數(shù)值例子62-64
• 3.5.2 TE過程64-66
• 3.6 本章小結(jié)66-69
• 第四章 多模態(tài)過程的故障檢測方法研究69-97
• 摘要69
• 4.1 引言69-70
• 4.2 基于多PCA模型的故障檢測方法70-73
• 4.3 基于信息增量的時段自動劃分及批次過程監(jiān)測73-82
• 4.3.1 信息增量73
• 4.3.2 基于時間片信息增量的模態(tài)劃分73-76
• 4.3.3 基于局部數(shù)據(jù)信息增量的在線監(jiān)測與故障診斷76-79
• 4.3.4 青霉素發(fā)酵過程中的應(yīng)用研究79-82
• 4.4 多模態(tài)數(shù)據(jù)聯(lián)合故障檢測方法82-95
• 4.4.1 問題描述82-84
• 4.4.2 聯(lián)合量綱標準化因子84-85
• 4.4.3 統(tǒng)一投影空間85-89
• 4.4.4 統(tǒng)一控制限89-90
• 4.4.5 聯(lián)合主元分析90-92
• 4.4.6 多模態(tài)故障檢測過程92
• 4.4.7 仿真研究92-95
• 4.5 本章小結(jié)95-97
• 第五章 直接潛變量空間投影方法及其在過程監(jiān)控上的應(yīng)用97-121
• 摘要97
• 5.1 引言97-99
• 5.2 T-PLS及其幾何解釋99-103
• 5.3 直接的潛變量空間分解方法103-113
• 5.3.1 第一種直接潛變量空間分解方法104-107
• 5.3.2 第二種直接潛變量空間分解方法107-108
• 5.3.3 仿真研究108-113
• 5.4 基于核質(zhì)量潛結(jié)構(gòu)投影的非線性過程質(zhì)量監(jiān)測方法113-119
• 5.4.1 KPLS建模114-115
• 5.4.2 質(zhì)量變量的分解及監(jiān)測115-117
• 5.4.3 TE過程案例研究117-119
• 5.5 本章小結(jié)119-121
• 第六章 非均勻采樣數(shù)據(jù)驅(qū)動的快速率殘差產(chǎn)生器直接設(shè)計方法121-133
• 摘要121
• 6.1 引言121-122
• 6.2 預(yù)備知識和問題描述122-127
• 6.2.1 非均勻采樣模型122-126
• 6.2.2 等價空間方法126-127
• 6.2.3 問題描述127
• 6.3 主要結(jié)論127-131
• 6.3.1 辨識α~⊥_(f-1)和α~⊥_(f-1)H_(f-1,u)127-129
• 6.3.2 快速率殘差信號的實現(xiàn)129-130
• 6.3.3 等價矩陣的降維130-131
• 6.4 仿真131-132
• 6.5 本章小結(jié)132-133
• 第七章 總結(jié)和展望133-137
• 摘要133
• 7.1 研究工作總結(jié)133-134
• 7.2 挑戰(zhàn)與展望134-137
• 參考文獻137-147
• 作者在攻讀博士學(xué)位期間的科研成果147-

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王成紅;宋蘇;孫長銀;;基于數(shù)據(jù)的控制、決策、調(diào)度與故障診斷——第33屆《雙清論壇》在北京召開[J];中國科學(xué)基金;2009年01期

2 周建榮,平靜;用于直流提升機監(jiān)控和故障診斷的二級微機系統(tǒng)[J];河南師范大學(xué)學(xué)報(自然科學(xué)版);1990年03期

3 張志涌，楊祖櫻;對故障診斷經(jīng)典結(jié)論的思索[J];福州大學(xué)學(xué)報(自然科學(xué)版);1995年06期

4 王亞瑟;趙娜;;電站風(fēng)機狀態(tài)監(jiān)測與故障診斷技術(shù)的研究[J];科技信息;2009年16期

5 蔡金錠,黃東泉;網(wǎng)絡(luò)多層次分塊故障診斷[J];福州大學(xué)學(xué)報(自然科學(xué)版);1993年01期

6 王云江;;故障診斷技術(shù)在機電設(shè)備運行管理中的實踐應(yīng)用[J];黑龍江科技信息;2014年05期

7 侯溫良;機器的故障診斷[J];聲學(xué)技術(shù);1983年03期

8 王德明;;桿結(jié)構(gòu)故障診斷中的一個實用算法[J];強度與環(huán)境;1991年04期

9 鐘為俊;線性模擬電路支路故障診斷的傳輸矩陣算法[J];四川大學(xué)學(xué)報(自然科學(xué)版);1992年01期

10 孫喬;機械系統(tǒng)的狀態(tài)監(jiān)測與故障診斷綜述[J];河南科技;1998年11期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 鮑忠貴;白方周;;故障診斷的模型跟蹤法[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 高鋒;高強;馬濤;;旋轉(zhuǎn)機械振動狀態(tài)監(jiān)測與故障診斷管理[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

3 張慶虎;高普云;;基于非線性動力學(xué)理論的故障診斷方法與進展[A];第18屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集第Ⅲ冊[C];2009年

4 趙劍偉;趙江;郭志新;;基于多傳感器信息融合的故障診斷方法[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

5 喬漢東;譚松濤;熊偉;;風(fēng)機常見故障診斷技術(shù)[A];2008年全國煉鐵生產(chǎn)技術(shù)會議暨煉鐵年會文集（下冊）[C];2008年

6 王麗英;方攸同;蘇麗穎;劉寶友;;劣化系統(tǒng)的故障診斷和檢測策略的綜合研究[A];第二十六屆中國控制會議論文集[C];2007年

7 陳宏;鞏曉峗;王麗雅;雷文平;;全矢譜技術(shù)在旋轉(zhuǎn)機械不對中故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

8 牛大鵬;劉海峰;賈明興;王福利;;一種新的非線性主成分分析故障診斷[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

9 葉大鵬;丁啟全;吳昭同;;二維隱Markov模型的故障診斷方法[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

10 婁國煥;周媛;;基于模糊理論的故障診斷方法研究[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者 陳曉煊　通訊員 沈甸;故障診斷有新招 搶修復(fù)電更高效[N];中國電力報;2014年

2 李繼光;鍘草機常見故障診斷及排除[N];云南科技報;2003年

3 武漢科技學(xué)院紡織服裝學(xué)院 林子務(wù);設(shè)備故障的診斷[N];中國紡織報;2004年

4 本報記者　 矯陽;鐵路運行安全保護神[N];科技日報;2006年

5 曹百禹;我大型機組故障診斷技術(shù)發(fā)展迅速[N];中國石油報;2008年

6 武漢科技學(xué)院紡織服裝學(xué)院 林子務(wù);故障診斷中的數(shù)學(xué)概念[N];中國紡織報;2004年

7 羅爭鳴 徐蘭山 羅浩;機車故障隱患實現(xiàn)“立體”診斷[N];科技日報;2006年

8 郭建國;盲目提高產(chǎn)品的技術(shù)含量不可取[N];中國工業(yè)報;2006年

9 本報記者 孫悅?cè)?與天地對接 為飛船護航[N];黑龍江經(jīng)濟報;2006年

10 朱德恒 談克雄;電氣設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)[N];中國電力報;2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 向長城;基于可拓學(xué)的智能故障診斷與狀態(tài)監(jiān)測的理論及應(yīng)用研究[D];重慶大學(xué);2008年

2 劉應(yīng)吉;車輛狀態(tài)監(jiān)測與故障診斷新方法研究[D];東北大學(xué);2008年

3 胡友強;數(shù)據(jù)驅(qū)動的多元統(tǒng)計故障診斷及應(yīng)用[D];重慶大學(xué);2010年

4 高保祿;大型復(fù)雜機電設(shè)備分布式故障診斷方法研究[D];太原理工大學(xué);2010年

5 曹玉蘋;基于狀態(tài)估計的石化過程故障診斷與預(yù)報方法研究[D];中國石油大學(xué);2010年

6 李盤靖;遠程協(xié)同故障診斷關(guān)鍵技術(shù)及其應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

7 鞏曉峗;基于全矢譜的非平穩(wěn)故障診斷關(guān)鍵技術(shù)研究[D];鄭州大學(xué);2013年

8 侯俊劍;基于聲像模式識別的故障診斷機理研究[D];上海交通大學(xué);2011年

9 譚樹彬;軋機厚控系統(tǒng)狀態(tài)監(jiān)測與故障診斷的研究與應(yīng)用[D];東北大學(xué);2006年

10 陳軍;短信號分析技術(shù)及其在故障診斷中的應(yīng)用[D];武漢理工大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李康力;雙離合器自動變速器故障診斷及故障處理研究[D];重慶大學(xué);2011年

2 謝倩;基于模糊Petri網(wǎng)的故障診斷系統(tǒng)的研究[D];長沙理工大學(xué);2012年

3 賈林;基于多模型估計的轉(zhuǎn)子典型故障診斷與參數(shù)識別方法研究[D];上海交通大學(xué);2013年

4 劉春衛(wèi);改進支持向量機在故障診斷中的應(yīng)用[D];華東理工大學(xué);2014年

5 徐真;協(xié)整結(jié)構(gòu)突變理論在系統(tǒng)狀態(tài)監(jiān)測與故障診斷中的應(yīng)用[D];南京航空航天大學(xué);2007年

6 王劍非;衛(wèi)星姿態(tài)控制系統(tǒng)的故障診斷研究[D];南京航空航天大學(xué);2008年

7 王勉宇;基于圖論的過程故障診斷研究[D];浙江大學(xué);2002年

8 張順峰;大型減速機狀態(tài)監(jiān)測及故障診斷系統(tǒng)的研究[D];大連理工大學(xué);2006年

9 吳建港;基于無線網(wǎng)絡(luò)的遠程智能故障診斷系統(tǒng)的研究[D];天津大學(xué);2004年

10 張遠;基于信息融合技術(shù)的故障診斷模型和方法研究[D];中南大學(xué);2003年

本文編號：941566