论文部分内容阅读
保障生产安全和减小产品质量波动一直是工业过程的两个主题。随着现代工业过程日趋大型化和复杂化,人们迫切需要提高系统的可靠性和安全性,因此过程的故障监测和诊断成为研究的重点之一。统计过程监测是一种基于数据驱动(data driven)的方法,由于不依赖于精确的数学模型,仅依赖于易得的过程数据,因而具有重要的理论价值和广泛的应用价值。本文所作的工作是:以主元分析(PCA)方法为主线,引入了小波分析、多变量累计和等方法,针对不同工业过程对象的特点,使用不同的统计方法进行监测,并且提出了新的故障监测算法。完成的具体工作如下:1) PCA方法的重油催化装置结焦故障的早期监测与诊断当前石化工业因结焦而导致的生产事故呈上升趋势,已成为影响装置长周期稳定运行的主要因素。主元分析是一种能够对过程进行监测和诊断的有效方法。以宁夏某炼油厂90万吨/年的重油催化裂化装置为例,通过对历史数据进行多次的分析与比较,选择能够代表过程信息变化的11个重要变量,从而简化了过程数据处理的复杂度。然后建立主元模型,结合多变量统计控制图进行故障监测,并运用平均贡献图直观、明确地判别出引起故障的主要原因。本文通过对一个典型的重油催化裂化装置的监测表明,PCA方法能有效地对结焦故障进行早期的监测及诊断,提醒操作人员采取相应措施,阻止结焦的进一步发展,避免结焦严重所造成的停炉损失。2) MCUSUM-MSPCA方法对缓变故障的监测针对化工过程中难以监测到的微小偏移性故障,提出了一种新的基于多变量统计过程的监测方法。把传统的单变量累计和控制图(CUSUM)扩展为多变量的形式,通过累计作用提取过程的趋势变化,并与小波变换提取测量变量内在时频特征的特性,以及传统的主元分析(PCA)去除变量间关联的优势相结合,构成新的多变量累计和多尺度主元分析(MCUSUM-MSPCA)方法。通过对TE过程的仿真研究,验证了该方法的可行性和有效性。与PCA方法相比,MCUSUM-MSPCA方法能在不同频率范围内,有效、及时地监测到过程中的缓变故障。而且通过多次的实验研究与比较,得到了最优的条件进行建模。在故障发生后极短的时间内,新方法能够迅速、有效地监测到异常状况,极大地改善了对该过程缓变故障的监测效果,提高了过程监测的灵敏性。