当今社会,分子蒸馏技术日益完善,由于其液膜厚度小,分离效率高等优势,已被广泛研究与应用在食品工业,精细化工,医药工业等领域中,成为一项不可或缺的提取分离技术。然而,在实际蒸馏提取过程中,系统的不确定性或者人员操作不当都可能导致刮膜过程出现故障,进而影响产品纯度与得率,甚至对生产过程造成无法估量的影响。因此对于刮膜式分子蒸馏,刮膜过程中故障的快速检测、分类与控制是提高产品纯度与得率的关键所在。为此,本文围绕刮膜式分子蒸馏的故障诊断做出相关研究:独立成分分析法是一种用于将多元信号分离为加性子分量的计算方法,对于过程数据存在的非高斯性具有很好的处理能力,由于其独立成分挑选存在的难题,使得该方法在故障检测领域的使用受限。因此,本文提出了一种改进的独立成分法。首先对独立成分分析法进行了离线建模,求得关联矩阵;其次利用在线建模时获取的在线样本信息,基于核密度估计法寻找概率密度最小的独立成分;进一步根据关联矩阵搜索相似性较高的独立成分,构造统计量并确定控制限。最后通过刮膜过程仿真实验,证明了方法的有效性。故障分类识别同样是故障诊断关键技术之一。本文结合支持向量机的分类模型及刮膜蒸发过程特点对已检测出的故障进行分类识别,提出一种改进鲸鱼算法的优化支持向量机故障分类方法。运用反向学习策略以及自适应权重因子对鲸鱼算法进行优化,以此为基础对支持向量机模型参数进行寻优。为了验证方法的有效性,本文将该方法与粒子群/灰狼算法优化支持向量机进行对比分析,结果表明改进的鲸鱼算法优化支持向量机的故障分类方法的准确率更高。刮膜电机作为蒸馏设备的核心,其性能的稳定性不仅能保证蒸馏过程的安全,更是确保蒸馏得率和纯度的关键。如果其出现不稳定的情况,电机中的霍尔传感器出现问题的概率最大,因此为了保证电机安全,提出一种针对霍尔传感器的容错补偿策略。通过搭建电机的容错控制仿真模型,利用一阶补偿策略对故障部分进行仿真测试,结果验证了容错补偿方法的可靠性。