基于Fisher判別分析的間歇過程故障診斷研究.pdf

1、現(xiàn)代流程工業(yè)生產(chǎn)過程結構復雜、規(guī)模大、自動化程度高，一旦發(fā)生故障往往會導致非常嚴重的后果，因此對于工業(yè)過程監(jiān)控方法的研究就變得尤為重要。基于統(tǒng)計分析理論的過程監(jiān)控以生產(chǎn)過程中采集的數(shù)據(jù)為基礎，通過挖掘數(shù)據(jù)中的規(guī)律，判斷運行狀況。本文以啤酒發(fā)酵這一典型間歇過程為背景，研究基于Fisher判別分析(FDA)的故障診斷算法。
　　1、提出了一種改進的FDA故障檢測算法，在距離統(tǒng)計不明確的情況下，通過核密度估計確定控制限，提高了模型的準確

2、性。
　　2、針對過程數(shù)據(jù)存在非線性問題，將核函數(shù)理論與FDA結合，提出了一種KFDA故障檢測算法，并進一步利用獨立元分析(ICA)在數(shù)據(jù)獨立性分析方面的優(yōu)勢，發(fā)展出一種ICA-KFDA故障檢測模型，算法性能在漏檢數(shù)和準確率方面都得到了明顯的改善。
　　3、對于上述檢測出的故障，通過特征提取建立故障庫，根據(jù)分類器的分類結果進行故障判定。采用相似度判別和距離判別兩種方法，其中相似度判別所采用的故障庫是最優(yōu)判別矢量，通過比較當前

3、故障與歷史故障判別矢量之間的夾角來實現(xiàn)。距離判別是通過比較當前發(fā)生故障數(shù)據(jù)的特征向量與已知故障特征向量的距離來對故障類型進行判別。在此基礎上，又提出一種核方法來解決FDA分離數(shù)據(jù)不徹底的問題，并介紹了一種核參數(shù)的尋優(yōu)算法，通過仿真結果驗證核Fisher特征提取方法在故障診斷方面的優(yōu)越性。
　　4、通過對微型啤酒生產(chǎn)過程數(shù)據(jù)進行仿真研究，對比三種算法的仿真結果可以看出，ICA-KFDA在故障檢測方面的性能要明細優(yōu)于前兩種方法，而提出