【摘 要】
：
随着工业生产规模的不断扩大,涉及的操作单元和过程变量不断增多,同时过程数据呈现出非线性、非高斯性、动态性等复杂特征,基于全局模型的故障监测方法难以满足目前的工业生产需求。基于分块策略的多块故障监测方法可有效应对上述问题,是目前工业过程故障监测领域的研究热点。在现代工业过程故障监测中,仍然存在局部信息难提取、监测信息单一以及变量块划分阈值难确定等问题,本文基于分块策略对工业过程故障监测方法进行研究,
论文部分内容阅读
随着工业生产规模的不断扩大,涉及的操作单元和过程变量不断增多,同时过程数据呈现出非线性、非高斯性、动态性等复杂特征,基于全局模型的故障监测方法难以满足目前的工业生产需求。基于分块策略的多块故障监测方法可有效应对上述问题,是目前工业过程故障监测领域的研究热点。在现代工业过程故障监测中,仍然存在局部信息难提取、监测信息单一以及变量块划分阈值难确定等问题,本文基于分块策略对工业过程故障监测方法进行研究,具体研究内容如下:（1）现有的多块故障监测方法仅仅依靠变量间线性关系进行变量块划分,变量间的非线性关系等其他高阶相关性被忽略,变量块划分的合理性不足。针对此问题,研究一种基于JS散度的多块PCA故障监测方法。首先采用概率统计方法JS散度进行变量块的划分,提高变量划分的合理性,突出过程局部特征,然后对每个变量块分别建立PCA模型进行故障监测,最后利用贝叶斯推断融合各变量块决策结果得到一个全局的监测指标,从而更直观地判定故障是否发生。在TE过程上的仿真实验表明,所提算法的监测性能要优于一些传统的故障监测方法。（2）由于现有的多块故障监测方法仅仅利用过程数据的观测值信息,监测信息的多样性不足,对于一些微小变化或者持续振荡型的故障监测效果不佳。针对此问题,研究一种基于多重特征提取的多块PCA故障监测方法。首先利用JS散度值对过程变量进行分块提取过程局部特征,接着从每个变量块中进一步提取累计误差和一阶差分等潜在特征完成子块扩展,随后在每个信息子块中建立PCA模型进行故障监控并通过贝叶斯推断融合后得到一个全局的监测指标。在数值仿真和TE过程上的实验验证了所提算法的有效性。（3）针对传统多块PCA故障监测方法无法处理非高斯数据以及变量块划分阈值难确定的问题,研究一种基于J-B检验和加权JS散度的多块PCA-ICA故障监测方法。考虑到PCA故障监测方法是建立在数据满足高斯分布的基础上,该方法采用Jarque-Bera检验方法逐个对过程变量进行高斯性判定,将过程数据划分为高斯块和非高斯块。针对变量块划分阈值难确定的问题,引入加权JS散度的分块策略继续对高斯块和非高斯块进行子块扩展,得到高斯加权子块和非高斯加权子块,并分别建立PCA和ICA模型进行故障监测,最后基于贝叶斯推断将各个加权子块的监测结果融合得到全局的监测结果。通过TE过程的仿真实验和高炉炼铁过程的实际应用验证了所提算法的可行性。
其他文献
在现代工业生产中,控制系统对提升产能有着至关重要的作用,但在实际工程中控制系统的性能良莠不一,即使有好的性能,也会随时间推移逐渐下降,从而影响企业效益。基于方差指标的控制性能评估技术重在利用系统运行时的过程数据对控制系统的方差性能进行评估,通过评估结果可以时刻掌握控制系统性能状态,并为性能不好的回路提供参考基准。论文在分析现有控制性能评估技术的基础上,主要研究内容如下:1)针对单变量系统控制性能评
车间调度是制造业数字化转型的重要技术节点。由于工厂产品生产工艺的日渐复杂,柔性生产车间中的不确定因素也日益增多,使得获取准确的生产参数变得越发困难。依靠传统调度方法不能很好地解决具有不确定生产参数的柔性作业车间调度问题。随着模糊集合理论的发展,利用模糊数表示柔性作业车间中不确定的生产参数,有助于提高调度方案的合理性与可靠性。因此,如何寻找解决此类柔性作业车间模糊调度问题的有效方法,已成为学术界和工
中国即将进入深度老龄化社会,老年人的养老问题越来越受到国家重视,同时伴随着国家城镇化和城乡一体化进程的快速推进,农村年轻人进城务工弱化了传统的家庭养老方式,农村老年人的养老问题更加突出。在积极应对人口老龄化国家战略背景下,需要探索一种新型养老方式来弥补农村家庭养老的弱化,解决农村老年人的养老问题,对此,农村互助性养老模式逐渐受到学界和国家的重视,一致认为农村老年人之间互助能够拓宽养老服务供给渠道,
视觉单目标跟踪作为计算机视觉基础任务之一,在智能视频监控、无人驾驶等领域有着广泛的应用。近些年,基于全卷积孪生网络的目标跟踪算法SiamFC（Siamese Fully Convolutional）由于其在跟踪精度和运行速度都取得较好水准,获得了极大的关注。本文以此为基础研究视觉单目标跟踪,其表现形式为在初始帧给定任意的单个待跟踪目标的信息,在视频的后续帧中预测待跟踪目标的实际位置和尺度大小。本文
迭代学习控制（Iterative Learning Control,ILC）是一种适用于执行重复性任务的智能控制方法,通过对已完成批次的历史信息进行学习,修正当前批次的控制信号,从而逐步改善系统的运行效果。随着通信技术的发展,网络环境下的迭代学习控制研究日益广泛,而量化是降低网络通信与无线传输负载,提高系统运行效率的有效方法。将迭代学习控制与量化相结合解决具有重复运行特性网络系统或无线控制系统的轨
现代工业过程日益复杂,一旦发生安全问题,将造成难以估量的损失,如何快速有效地监测工业过程的运行状态,以保证生产过程的安全可靠运行,一直是工业界和学术界的研究热点之一。随着分布式控制系统和工业互联网的发展,海量的过程数据得到采集和应用,因此基于数据驱动的过程监测技术具有极大的工业应用价值和研究意义。然而目前基于数据驱动的过程监测研究中面临着数据量大、有价值信息稀疏、类别不平衡、有标记信息短缺、甚至无
目标检测任务作为计算机视觉基础任务之一,在无人机航拍、遥感图像、无人驾驶汽车等领域得到了广泛的应用。当前在目标检测中大目标的检测效果已经取得了较高水平,而小目标由于其分辨率低,包含的特征信息较少,且在卷积神经网络的传播过程中容易丢失信息,导致其检测效果较差。为了解决小目标检测过程中存在的上述问题,本文以SSD（Single Shot Multi Box Detector）目标检测网络模型作为基础展
机器视觉是一种利用机器代替人眼来做测量和判断工作的技术,具有低成本、高效率、非接触式等优点,被广泛应用于视频监控、工业制造、医疗成像等领域。相机标定技术是机器视觉中的重要组成部分,其标定精度影响了视觉检测工作误差大小,研究如何改进相机标定方法具有重要意义。圆模式平面标靶具有制造简单和对图像质量要求低等优点,是一种常见的标定工具,然而基于圆模式平面标靶的相机标定方法存在椭圆特征点坐标提取方法精度易受
传统的检测技术通常采用取样离线分析的方式获得目标物的含量,需要消耗大量的人力物力和时间,无法满足系统控制、优化以及监控等方面的实时要求。近红外分析检测技术具有快速、无损、范围广等优点,被广泛应用于农业、石油化工、医药、食品发酵等行业。在近红外分析技术中,精确的校正模型对检测精度至关重要。论文基于堆叠自编码器和迁移学习,分别研究了近红外光谱建模和应用中的非线性、动力学和小样本等问题。主要研究内容包括
滚动轴承是旋转机械的关键组件,容易发生各种形式的缺陷性故障,轴承缺陷可能导致整个系统的故障,使得实际工程系统发生重大事故。因此本文针对滚动轴承故障诊断中三个复杂工况问题,即有标签样本下故障诊断模型的抗噪声和负载迁移性能差问题、无标签样本下故障诊断模型的抗噪声和负载迁移性能差问题以及样本类别不平衡条件下如何进行故障诊断问题,利用深度学习技术对以上三个问题进行深入研究。具体工作如下:（1）针对有标签样