基于线性动态系统模型的过程监测研究

来源 :浙江大学 | 被引量 : 0次 | 上传用户:cyf1122
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
过程监测在保障生产安全、提高产品质量、减少故障损失和提升企业在国际市场中的竞争力方面发挥着重要的作用。计算机信息技术的迅速发展带来了大数据时代,这使得基于数据驱动的过程监测方法更是近年来流程工业领域的研究热点。但是,基于数据驱动的过程监测仍面临着许多问题,比如过程数据的特性越来越复杂。传统的基于数据驱动的过程监测方法大多只考虑单一的数据特性。本文同时针对过程数据的动态性和随机性,采用动态贝叶斯网络下的线性动态系统模型(LDSM)进行过程监测研究,具体包括:(1)针对过程数据的动态性和随机性,提出了一种基于切换的LDSM的故障分类方法和未知故障检测方法。本文提出了一种简便的近似学习算法用于建立切换的LDSM,然后采用高斯和滤波方法实现在线故障分类。考虑到工业生产过程中偶尔会出现之前从未遇到过的故障,提出了基于切换的LDSM的未知故障检测方法,主要是通过构建阈值统计量来检测未知故障。(2)考虑到质量变量可能含有重要的过程信息,提出了一种基于有监督LDSM的故障检测方法和基于切换的有监督LDSM的故障分类方法。本文将LDSM扩展成有监督LDSM,并且推导出了用EM算法建立有监督LDSM的详细过程。然后采用新的高斯和滤波方法估计隐变量分布,最后建立T2统计量实现在线故障检测。同样的,在质量变量可获得的条件下,为了取得更好的故障分类效果,提出了基于切换的有监督LDSM的故障分类方法。最后,总结全文的研究内容,对线性动态系统模型在过程监测领域的进一步研究做了展望。
其他文献
恶劣的工业环境会使ISA 100.11a DL子网中数据传输出现报文丢失、误传、不确定的延迟等,这些都可能给工业现场带来灾难性的后果。而ISA 100.11a DL子网中的路由技术在网络的
聚类分析作为一种非监督学习方法,随着现代科学特别是计算机科学的发展,已经被广泛应用于人们的生产、生活领域。在理论研究及实践应用中,人们己经相继提出了许多聚类算法,但
SEMG检测系统,即表面肌电信号检测系统,它作为一种无创检测方法,在临床诊断、康复工程、运动医学以及人机仿生系统等方面具有重要意义。表面肌电信号指的是当骨骼肌收缩时,肌
在工业领域中,仪器仪表的智能化程度越来越高,工业无线技术正在工业领域内发挥着越来越大的作用,作为三大主流工业无线标准之一的ISA100.11a标准已经完善。   随着ISA100.11a
由于催化裂化是石油二次加工的主要方法之一,因此本文首先根据集总反应动力学模型以及烧焦动力学模型,建立并求解催化裂化稳态机理模型。通过对引入流和积的物料表达方法,对
紫外线灯广泛应用于医疗卫生、印刷固化等工业领域。因此良好的紫外线灯的照度控制系统性能必然能将其优点发挥到极致,从而更好地为人们的生活、生产服务。同时随着现代电力
自1990年加拿大学者McGeer的开创性工作以来,被动步行由于其天生具有自然步态以及类似人类步行的能量效率,因此迅速吸引了双足机器人领域研究人员的注意,并逐步成为该领域的研究
目前,基于静态单帧图像的监控模式主要应用于监控点分布较广、实时性要求不高与不需要连续监控的应用场景中。其中,监控图像中的感兴趣区域(Region of Interest, ROI)提取与
可扩展标记语言(Extensible Markup Language,XML)具有可扩展性、平台无关性以及简单易于处理等优点,逐渐成为Internet数据表示和交换的标准。随着XML存储机制与查询语言的日益
管道已经成为现代社会油气运输的主要工具,被广泛应用于石油、天然气、饮用水等行业,并成为现代社会经济发展不可或缺的一个重要部分,对管道运行情况进行检测已经变得很重要。一