论文部分内容阅读
本文将一个过程监测系统分成数据处理与信号分析、特征提取与统计决策、故障分类辨识三大环节进行讨论,并在实时环境下将这些环节融合到一起,提出了基于小波分析、主元分析和人工神经网络的在线过程监测方案。
首先分析了传统的小波去噪技术处理实时信号的不足,提出了基于移动窗的在线小波去噪方法,探讨了小波在线去噪过程中存在的边界失真问题,提出了窗口延拓和窗口圆周平移的解决方法,并在算法的有效性和计算量上给出了定量指标和分析。紧接着提出了基于主元分析方法的多元统计决策和动态二维主元分布趋势的监测方案,对去噪后的实时数据同时利用T2统计量和SPE统计量进行定量监测,再结合动态的二维主元分布趋势的可视化方式进行综合决策,实现过程监测的一级判别。故障辨识环节以人工神经网络作为故障分类器,实施过程监测的二级判别和系统报警。
在实时环境下融合了小波分析、主元分析和人工神经网络,分析了三个环节的可在线性,提出了基于以上三大环节的在线过程监测系统方案,设计了系统的结构、流程和操作步骤,阐述了系统结构的特点与优势。最后,将该套系统应用于TE过程监测当中,离线过程对TE过程的历史样本集实施小波去噪,建立正常数据的主元模型和过程数据的降维,并以降维的数据训练神经网络分类器,在线过程先对TE实时信号实施在线去噪,经过主元模型的投影实现了过程监测的一级判别,最后经过分类器实现过程监测的二级判别和报警,仿真实验证明该系统良好的结构与性能,能够达到一个工厂级的实时过程监测系统的要求。