论文部分内容阅读
随着现代流程工业不断地向大型化、集成化方向发展,工业过程的复杂性不断提高,过程变量也越来越多,一旦发生故障,将会造成人员和财产的巨大损失,因此过程的故障检测和诊断已成为控制领域研究的重点之一。及时准确地检测和诊断出过程的故障,不仅可以减少事故、增加过程运行的安全性,而且可以降低生产管理成本,提高产品的质量。基于数据驱动的过程监控方法由于仅依赖于易得的过程数据,不依赖于精确的数学模型,正受到越来越多的关注。 本论文以判别部分最小二乘(Discriminant Partial Least Squares,DPLS)和Fisher判别式分析(Fisher DiscriminantAnalysis,FDA)为基础,针对流程工业中两种重要的生产方式——间歇生产过程和连续生产过程,提出了一类基于DPLS和FDA的故障诊断方法,具体内容如下: (1)提出了一种基于MPCA-MDPLS的间歇生产过程故障诊断方法。该方法主要解决了一些故障诊断方法不具有识别新故障能力的不足。MPCA-MDPLS方法根据正常工况和已知故障的历史数据,分别建立MPCA和MDPLS模型。其中,MPCA模型用于检测过程是否有未知的新故障发生;MDPLS模型则对经MPCA模型确定为已知故障的故障作进一步诊断。因此,MPCA-MDPLS诊断方法不仅可以对已知故障进行诊断,而且也可以识别出未知的新故障。通过对实际工业链霉素发酵生产过程的故障诊断仿真表明此方法具有良好的故障诊断性能。 (2)提出了多模型FDA(Multi-model Fisher Discriminant Analysis,MMFDA)的间歇生产过程故障诊断方法。对于间歇生产过程,只有当一个生产批次结束之后,才能得到完整的历史轨迹。因此,采用多向FDA进行在线故障诊断时,必须估计未测量的间歇过程的生产轨迹。目前采用的数据估计算法,因其估计值和实际值之间存在一定的误差,从而影响最终的诊断结果。多模型FDA克服了未知值填充的问题,从而提高了故障诊断的性能。通过对实际工业链霉素发酵过程的仿真,表明了多模型FDA方法的有效性。 (3)提出了基于递推多模型FDA(Recursive Multi-model Fisher Discriminant Analysis,RMMFDA)的间歇生产过程故障诊断方法。多模型FDA需要对每个时间片分别建立FDA模型,当故障数据缺乏时,会造成较高的误诊断率。针对故障建模数据不足的情况,提出了递推多模型FDA故障诊断方法。该方法不仅可以充分利用有限的故