论文部分内容阅读
现代化工生产对于国民经济具有极高的地位,存在诸多不利于生产安全因素,这对故障诊断方法的使用和发展提出了更高的要求。故障诊断技术通过监督生产过程的运行状态,监测过程的变化,能够对故障做出识别、分离并消除故障,以防止灾难性事故的发生。基于多元统计法的化工过程故障诊断方法由于仅依赖于已有控制系统的过程数据,无需额外添加设备部件,正受到越来越多的关注,成为故障诊断研究领域的热点。本文以多元统计分析理论为基础,以实际工程应用为最终目标,对故障诊断领域的一些方法加以研究。本文所做的工作以Fisher判别法为基础,以复杂化工过程TE过程为研究平台,针对Fisher判别法的一些不足进行研究改进。传统Fisher判别法虽然是十分优秀的判别分类方法,能够有效应用于一般性的故障诊断领域。但是,在应对化工过程故障诊断时,由于化工过程数据具有非线性和强噪声,使得适用于线性判别领域的Fisher判别法难以有效应用;即使能够对数据做出判别,由于数据中噪声的存在,也会对判别的正确性造成不良影响。针对化工过程数据的这些特点,本文在核Fisher判别法的基础之上,又对小波变换进行了研究并做方法结合。先以小波做去噪处理,再以核Fisher判别法对非线性数据进行判别。经过验证,所提方法能够克服化工过程数据的不利之处,效果良好。虽然核函数的引入可以使传统线性Fisher判别法有能力处理非线性问题,但是核函数的引入、核映射的存在会将数据空间推向更高维的空间。在实际问题中,尤其是面对本身就很庞大的化工过程数据,维数灾难很有可能发生,造成对核矩阵的计算耗费大量的时间,甚至无法计算的可能。另一方面,多元统计分析法的一个基本前提是需要待测数据满足高斯分布,而化工过程数据往往无法满足,这也对判别的正确性造成了不小的影响。针对这些问题本文提出了基于近邻边界的核Fisher判别法。近邻边界法的优点是无需对待处理数据做任何假设,同时由于具有降维的作用,更加有优势与核Fisher判别法相结合。经过TE过程平台的仿真,验证了该方法的可行性与有效性。