论文部分内容阅读
由于间歇过程具有操作灵活多变的特征,间歇和半间歇操作被广泛应用于许多工业生产,这些工业往往都具有小批量、高附加值和多品种的特点,例如:生物制药、精细化工、香料和染料等工业。过程监测和故障诊断被认为是过程工业中最重要的问题之一,随着电子技术和控制仪表的发展,工厂中采集和存储了大量的过程数据。多元统计分析方法(MSPC)尤其是主元分析方法(PCA)在过程监测与故障诊断中得到了广泛的应用,对反应过程的运行情况进行在线监测,判断其运行状态,有效的指导生产的安全性,提高产品质量。本文对间歇过程的特点和监测方法的研究现状进行了分析和评述,并结合间歇过程的特征和统计方法计算特点,提出了研究内容和监测算法改进,本文的主要研究内容包括以下几方面:(1)对间歇过程及其监测方法进行介绍。主要包括间歇过程的反应及数据特点,故障诊断的概念、意义及方法。概述了过程监测方法的发展历史、内容和分类,着重对基于历史数据的多元统计方法的各种改进方法进行了介绍。除此之外,对间歇过程监测方法尤其是多向主元分析方法(MPCA)进行了详细的探讨,包括离线建模及在线应用。(2)间歇过程的多阶段性及传统MPCA方法局限性的讨论。间歇过程具有高度非线性和多阶段性的特点,过程的数据动态特性和相关性会随着阶段的改变而不同。传统的MPCA方法用整个过程数据建立单一模型不能充分地获取原始数据的信息。本文根据间歇过程的多阶段的特性,在MPCA的基础上提出了一种以过程动态特性转变的识别为依据的多阶段多向主元分析方法(Multi-phase Multi-way Principal Component Analysis, MPMPCA),重点对阶段识别进行了阐述,将此方法应用于PenSim青霉素发酵过程监测与诊断中,能够及时监测出故障的发生。(3)动态特性转变识别方法在连续垃圾焚烧监测中的应用。连续过程的监测方法与间歇过程稍有不同,但当连续过程发生故障时同样会引起数据间的动态特性及相关性改变,这与间歇过程的多阶段性相似。将本文提出的动态特性转变识别方法应用于连续生产的垃圾焚烧过程故障监测中,此方法能及时对故障的发生作出判断,指导生产。