基于數(shù)據(jù)驅(qū)動的化工過程故障監(jiān)測與診斷研究.pdf

1、隨著現(xiàn)代工業(yè)生產(chǎn)過程的大型化和復(fù)雜化，迫切需要提高工業(yè)生產(chǎn)過程系統(tǒng)的可靠性和安全性，使得事故發(fā)生甚至系統(tǒng)崩潰所造成的經(jīng)濟損失得以避免，因此能夠準確及時的檢測，診斷和消除故障成為研究的重點之一，并且具有重要的現(xiàn)實意義。
　　復(fù)雜的工業(yè)過程中精確的數(shù)學模型很難建立，但過程數(shù)據(jù)很容易獲得，因此對基于數(shù)據(jù)驅(qū)動方法的研究具有重要的理論價值和廣泛的應(yīng)用價值。目前，隨著控制理論、信息技術(shù)等領(lǐng)域的逐漸發(fā)展，過程的故障診斷技術(shù)也得到了更加深入的發(fā)展

2、。
　　本文的主要研究內(nèi)容是以小波分析和主元分析(Prineipal Component Analysis,PCA)的基本理論為基礎(chǔ)，將主元分析PCA去線性變量相關(guān)性的能力與小波變換提取變量局部特征和近似分解變量自相關(guān)性的能力綜合起來，提出一種改進的多尺度主元分析算法(Multiscale Principal Component Analysis,MSPCA)用于化工過程故障監(jiān)測。在此基礎(chǔ)上，對檢測到的故障進行進一步診斷，提出一種

3、統(tǒng)計學方法和模式識別方法(即自適應(yīng)的模糊神經(jīng)網(wǎng)絡(luò)(ANFIS))相結(jié)合的故障診斷新策略。該方法通過MSPCA對數(shù)據(jù)進行特征提取，然后將特征值輸入ANFIS分類器進行故障識別與診斷。完成的具體工作如下：
　　(1)基于改進MSPCA的故障監(jiān)測
　　針對化工過程中難以監(jiān)測到的較小偏移性故障，提出了一種改進MSPCA的故障監(jiān)測算法。首先利用小波閾值去噪的方法，消除原始過程數(shù)據(jù)中的大部分高頻隨機噪聲，使得數(shù)據(jù)不受噪聲的影響，然后利用

4、小波分解將去噪后的數(shù)據(jù)分解成逼近系數(shù)和細節(jié)系數(shù)，分別在各個尺度上建立主元分析模型，對各個尺度小波系數(shù)消噪并重構(gòu)得到綜合尺度的故障監(jiān)測模型。通過對化工過程—TE過程的仿真研究，驗證了該方法的可行性和有效性。與傳統(tǒng)PCA方法和傳統(tǒng)MSPCA相比，改進MSPCA方法能有效、及時地監(jiān)測到過程中的緩變故障。
　　(2)基于MSPCA-ANFIS的故障診斷
　　當故障被檢測到后，需要進一步對故障進行識別與診斷。為此，本文提出一種基于MS

5、PCA-ANFIS的故障診斷新策略。該方法采用前述MSPCA方法提取的特征作為ANFIS分類器的輸入，然后用ANFIS分類器進行故障識別。通過特征提取將高維的輸入變量轉(zhuǎn)變成低維的，同時保留重要的特征信息用于故障診斷。ANFIS是一個多輸入單輸出的系統(tǒng)，如果只用一個ANFIS分類器對所有故障進行診斷，這樣會增加網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性和降低診斷能力。因此，本文采用多個ANFIS分類器進行故障診斷，以此提高故障診斷的速度和有效性，同時降低了算法的復(fù)