基于Fisher判別分析的間歇過(guò)程故障診斷研究.pdf

1、現(xiàn)代流程工業(yè)生產(chǎn)過(guò)程結(jié)構(gòu)復(fù)雜、規(guī)模大、自動(dòng)化程度高，一旦發(fā)生故障往往會(huì)導(dǎo)致非常嚴(yán)重的后果，因此對(duì)于工業(yè)過(guò)程監(jiān)控方法的研究就變得尤為重要?；诮y(tǒng)計(jì)分析理論的過(guò)程監(jiān)控以生產(chǎn)過(guò)程中采集的數(shù)據(jù)為基礎(chǔ)，通過(guò)挖掘數(shù)據(jù)中的規(guī)律，判斷運(yùn)行狀況。本文以啤酒發(fā)酵這一典型間歇過(guò)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(jìn)的FDA故障檢測(cè)算法，在距離統(tǒng)計(jì)不明確的情況下，通過(guò)核密度估計(jì)確定控制限，提高了模型的準(zhǔn)確

2、性。
　　2、針對(duì)過(guò)程數(shù)據(jù)存在非線性問(wèn)題，將核函數(shù)理論與FDA結(jié)合，提出了一種KFDA故障檢測(cè)算法，并進(jìn)一步利用獨(dú)立元分析(ICA)在數(shù)據(jù)獨(dú)立性分析方面的優(yōu)勢(shì)，發(fā)展出一種ICA-KFDA故障檢測(cè)模型，算法性能在漏檢數(shù)和準(zhǔn)確率方面都得到了明顯的改善。
　　3、對(duì)于上述檢測(cè)出的故障，通過(guò)特征提取建立故障庫(kù)，根據(jù)分類器的分類結(jié)果進(jìn)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(kù)是最優(yōu)判別矢量，通過(guò)比較當(dāng)前

3、故障與歷史故障判別矢量之間的夾角來(lái)實(shí)現(xiàn)。距離判別是通過(guò)比較當(dāng)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(lái)對(duì)故障類型進(jìn)行判別。在此基礎(chǔ)上，又提出一種核方法來(lái)解決FDA分離數(shù)據(jù)不徹底的問(wèn)題，并介紹了一種核參數(shù)的尋優(yōu)算法，通過(guò)仿真結(jié)果驗(yàn)證核Fisher特征提取方法在故障診斷方面的優(yōu)越性。
　　4、通過(guò)對(duì)微型啤酒生產(chǎn)過(guò)程數(shù)據(jù)進(jìn)行仿真研究，對(duì)比三種算法的仿真結(jié)果可以看出，ICA-KFDA在故障檢測(cè)方面的性能要明細(xì)優(yōu)于前兩種方法，而提出