基于改進核主元分析的化工過程故障診斷研究.pdf

1、隨著化工過程規(guī)模的不斷擴大和流程復雜性的日益提高，有效的故障診斷是保證生產安全、提高產品質量和經濟效益的關鍵。對于復雜的化工過程來說，通常具有規(guī)模大、復雜性高、變量多的特點，當采用基于模型的方法和基于知識的方法時，準確詳細的數學模型往往很難得到，且經驗知識有限，這就限制了這些方法在故障診斷中的應用。而基于數據驅動的故障診斷方法既不需要建立復雜的數學模型，也不需要有準確的先驗知識，可充分利用信息技術獲取大量的實時信息，直接從過程數據入手進

2、行故障診斷。因此深入研究基于數據驅動的故障診斷方法，不僅具有重要的理論意義，還具有廣闊的應用前景。
　　 本文主要研究核主元分析算法，并針對該方法在故障診斷應用中存在的問題進行深入的研究，主要工作有以下幾個方面:
　　 1.針對核主元分析方法在復雜化工過程故障診斷中存在故障源難以識別的問題，因此本文提出一種基于核主元分析方法與最小二乘支持向量機相結合的方法，該方法運用核主元分析法對數據進行處理，在特征空間構建T2和SPE

3、來檢測故障的發(fā)生，若有故障發(fā)生，則計算樣本的非線性主元得分向量，將其作為最小二乘支持向量機的輸入值，通過最小二乘支持向量機的分類進行故障類型識別。TE過程的多種故障模式的仿真結果表明該方法不但能有效地識別故障，而且提高了故障檢測和故障診斷的速度。
　　 2.針對核主元分析應用于復雜化工過程故障診斷中核矩陣較大特征向量求解困難的問題，本文提出了一種基于隱式重啟動精化Lanczos的核主元分析算法，該算法通過構造對稱三對角矩陣，求解

4、其近似Ritz值，并對每個Ritz值在Krylov子空間中尋找規(guī)范化向量，以此作為核矩陣特征向量的近似，用于大樣本數據的核主元分析模型。同時將該算法應用于FCCU動態(tài)仿真模型，驗證了其在復雜化工過程故障診斷中的有效性和優(yōu)越性。
　　 3.針對核主元分析法處理非線性時變化工過程故障診斷易產生誤報的問題，本文提出了一種基于可變窗技術的自適應核主元分析(Adaptive Kernel Principal Component Analy