基于ICA及多參數(shù)的流程工業(yè)性能監(jiān)控方法研究.pdf

1、現(xiàn)代流程工業(yè)具有規(guī)模大、復(fù)雜性高、變量多且耦合性強等特點，使得生產(chǎn)過程發(fā)生事故的可能性增大。為了獲得穩(wěn)定、持續(xù)的高質(zhì)量產(chǎn)品，對這些設(shè)備進行早期、準確的故障檢測與診斷是必需的。針對流程工業(yè)過程對象的特點，本文以田納西．伊斯曼過程為對象，以獨立分量分析算法提取的獨立分量為基礎(chǔ)，實現(xiàn)對該過程進行監(jiān)控的目的。本文所作的主要工作如下： (1)針對流程工業(yè)的采樣數(shù)據(jù)不一定服從正態(tài)分布的特點，利用獨立分量分析(ICA)算法對系統(tǒng)性能進行監(jiān)控就

2、可以避免數(shù)據(jù)服從正態(tài)分布的假定。通過獨立分量分析算法提取正常工況下的獨立分量并構(gòu)成特征子空間，進一步以過程變量在該空間上投影系數(shù)矩陣的變化被作為監(jiān)控指標對系統(tǒng)性能進行監(jiān)控。由Tennessee-Eastman過程的仿真研究表明，該算法是可行的，能夠較早地檢測出故障的發(fā)生。 (2)ICA中的各獨立分量沒有重要程度的差別，對于實際工業(yè)過程而言，一般并不能確切知道獨立分量的個數(shù)，而目前也沒有較好的方法確定最優(yōu)的獨立分量的個數(shù)。本文中首

3、先利用應(yīng)用方面比較成熟的主元分析(PCA)方法對數(shù)據(jù)進行降維，再對降維后的數(shù)據(jù)進行ICA分析，避免了ICA中確定獨立分量個數(shù)的問題。由Tennessee-Eastman過程的數(shù)據(jù)重構(gòu)表明該方法得到的獨立分量保留了原數(shù)據(jù)的信息。 (3)典型的工業(yè)過程的測量數(shù)據(jù)是自相關(guān)的，當前時刻的測量與先前時刻的測量并不是獨立的，實際上它們構(gòu)成時間序列?？紤]到這些測量數(shù)據(jù)的動態(tài)特性，提出一種基于動態(tài)獨立分量分析(DICA)的系統(tǒng)性能監(jiān)控算法，這就

4、解決了傳統(tǒng)ICA靜態(tài)建模的問題。利用DICA對Tennessee-Eastman過程的進行性能監(jiān)測，獲得了較滿意的結(jié)果。 (4)探討了一種基于多參數(shù)的故障狀態(tài)檢測方法。該方法從現(xiàn)場實際檢測的時間序列中提取出系統(tǒng)的數(shù)字特征，并由這些特征值構(gòu)成表征運行狀態(tài)的狀態(tài)矩陣，通過各矩陣之間的距離進而識別出系統(tǒng)的運行狀態(tài)或故障類型。 Tennessee-Eastman仿真表明狀態(tài)矩陣對不同的運行狀態(tài)具有較好的區(qū)分性。最后，通過對研究工