论文部分内容阅读
工业生产的过程监控一直是流程工业系统关注的主要问题之一。它通过监测生产过程的运行状态,及时检测故障发生、过程干扰以及其它的异常工况,定位并诊断引发故障的原因变量,从而保证生产过程安全运行,提高产品质量和生产效率。目前,间歇生产过程在医药、染料、香料、生化制品等小批量、高附加值产品的生产和制备当中得到广泛应用。由于间歇过程统计性能监控主要依赖于过程数据,通用性较强,因此近年来成为过程控制领域的研究热点之一。本文主要着重于间歇过程监控中的多元统计过程监控这一方面的研究,在研究了国内外统计过程监控现状及发展趋势的基础之上,以主元分析(Principle Component Analysis, PCA)为主线,以Tennessee Eastman(TE)过程为研究背景,建立了基于统计分析方法进行故障监视和诊断的模型。针对不同的扰动情况进行了分析与仿真研究,取得了预期的效果。主要研究内容及成果如下：1.阐述了目前故障诊断的研究现状及发展趋势,特别对基于统计分析理论的故障诊断方法的发展和现状进行了综述；2.研究了主元分析法的基本理论及其计算步骤,并详细研究了统计过程控制的两个统计量平方预测误差SPE、HotellingT2。3.研究了基于多元统计分析的间歇过程监控和故障诊断方法一多方向主元分析方法(MPCA),介绍了MPCA处理间歇过程三维数据的方法,应用MPCA于TE过程并分析其故障诊断结果。4.针对MPCA的缺陷,在DPCA的基础上发展了另一种间歇过程监控和故障诊断方法—BDPCA。把BDPCA应用到TE过程的研究中,进行过程监控与故障诊断。与MPCA进行比较,实例研究表明基于BDPCA的监控方法的可行性和有效性,在故障发生时,能准确、及时地监测到故障发生的时刻,并有效的降低了误报警。5.引入遗忘因子对BDPCA方法进行了进一步的改进,克服了BDPCA方法的不足,从而提高了故障监视和诊断性能。将该方法成功地应用到了TE过程中,仿真结果说明了方法的有效性。本文的最后在对全文所做工作进行总结的基础上,展望了今后进一步研究的方向。