基于多變量統(tǒng)計分析的復(fù)雜工業(yè)過程故障診斷.pdf

1、隨著當(dāng)今工業(yè)技術(shù)的不斷發(fā)展，現(xiàn)代工業(yè)過程的生產(chǎn)規(guī)模與日俱增，設(shè)備的結(jié)構(gòu)越來越復(fù)雜，系統(tǒng)內(nèi)部的聯(lián)系越來越緊密。這種復(fù)雜大系統(tǒng)的某一部分一旦發(fā)生故障，就極有可能引起整個系統(tǒng)的癱瘓，導(dǎo)致停產(chǎn)和大規(guī)模的財產(chǎn)損失。因此，安全性在工業(yè)生產(chǎn)過程中占有極其重要的地位。而故障診斷技術(shù)顯然是提升工業(yè)生產(chǎn)過程安全性的重要方法，因此對故障診斷技術(shù)進(jìn)行研究具有極其重要的現(xiàn)實意義。在眾多故障診斷技術(shù)中，基于多變量統(tǒng)計的故障診斷方法以其不需要系統(tǒng)數(shù)學(xué)模型、純數(shù)據(jù)驅(qū)動

2、的診斷方式和良好的實時監(jiān)控性有著非常好的應(yīng)用前景。
　　本文以田納西-伊斯曼過程(TEP)作為仿真和驗證平臺，選取了該過程中幾種具有代表性的故障，詳細(xì)研究了幾種基于多變量統(tǒng)計的故障診斷方法在這些故障上的診斷性能:
　　1、首先，研究了基于主元分析(PCA)的故障診斷方法，并用其對幾種選出的TEP故障進(jìn)行了診斷。仿真結(jié)果表明，傳統(tǒng)的PCA方法只對其中1個故障有較好的故障診斷性能。
　　2、其次，考慮到工業(yè)過程普遍具有動態(tài)

3、性和非線性的特點，采用一種具有動態(tài)非線性特性的動態(tài)核主元分析(DKPCA)方法，并針對DKPCA進(jìn)行診斷時運(yùn)算時間較長的問題，將特征矢量選擇算法(FS)與DKPCA相結(jié)合，構(gòu)成特征矢量動態(tài)核主元分析(FS-DKPCA)故障診斷算法，大大減少了DKPCA的運(yùn)算時間。仿真結(jié)果表明，F(xiàn)S-DKPCA對一些故障的診斷效果有所提升。
　　3、最后，考慮到實際工業(yè)過程由于非線性和動態(tài)性的原因測量數(shù)據(jù)不呈高斯分布，引入了一種基于盲源分離思想的多

4、變量統(tǒng)計方法——獨(dú)立成分分析(ICA)，并針對工業(yè)過程具有動態(tài)性和ICA對時滯增廣矩陣進(jìn)行處理時收斂速度慢的缺點，提出一種新的動態(tài)主元獨(dú)立成分分析(DPCA-ICA)故障診斷算法，首先采用DPCA對數(shù)據(jù)進(jìn)行降維預(yù)處理，然后再通過ICA算法提取獨(dú)立元進(jìn)行故障診斷。仿真結(jié)果表明，在用DPCA預(yù)處理數(shù)據(jù)后，ICA提取獨(dú)立元的速度明顯加快?；贒PCA-ICA的故障診斷方法對于大多數(shù)故障都有比較好的診斷性能。
　　文中實驗結(jié)果表明，和PC