基于數(shù)據(jù)驅(qū)動(dòng)的化工過(guò)程故障監(jiān)測(cè)與診斷研究.pdf

1、隨著現(xiàn)代工業(yè)生產(chǎn)過(guò)程的大型化和復(fù)雜化，迫切需要提高工業(yè)生產(chǎn)過(guò)程系統(tǒng)的可靠性和安全性，使得事故發(fā)生甚至系統(tǒng)崩潰所造成的經(jīng)濟(jì)損失得以避免，因此能夠準(zhǔn)確及時(shí)的檢測(cè)，診斷和消除故障成為研究的重點(diǎn)之一，并且具有重要的現(xiàn)實(shí)意義。
　　復(fù)雜的工業(yè)過(guò)程中精確的數(shù)學(xué)模型很難建立，但過(guò)程數(shù)據(jù)很容易獲得，因此對(duì)基于數(shù)據(jù)驅(qū)動(dòng)方法的研究具有重要的理論價(jià)值和廣泛的應(yīng)用價(jià)值。目前，隨著控制理論、信息技術(shù)等領(lǐng)域的逐漸發(fā)展，過(guò)程的故障診斷技術(shù)也得到了更加深入的發(fā)展

2、。
　　本文的主要研究?jī)?nèi)容是以小波分析和主元分析(Prineipal Component Analysis,PCA)的基本理論為基礎(chǔ)，將主元分析PCA去線性變量相關(guān)性的能力與小波變換提取變量局部特征和近似分解變量自相關(guān)性的能力綜合起來(lái)，提出一種改進(jìn)的多尺度主元分析算法(Multiscale Principal Component Analysis,MSPCA)用于化工過(guò)程故障監(jiān)測(cè)。在此基礎(chǔ)上，對(duì)檢測(cè)到的故障進(jìn)行進(jìn)一步診斷，提出一種

3、統(tǒng)計(jì)學(xué)方法和模式識(shí)別方法(即自適應(yīng)的模糊神經(jīng)網(wǎng)絡(luò)(ANFIS))相結(jié)合的故障診斷新策略。該方法通過(guò)MSPCA對(duì)數(shù)據(jù)進(jìn)行特征提取，然后將特征值輸入ANFIS分類器進(jìn)行故障識(shí)別與診斷。完成的具體工作如下：
　　(1)基于改進(jìn)MSPCA的故障監(jiān)測(cè)
　　針對(duì)化工過(guò)程中難以監(jiān)測(cè)到的較小偏移性故障，提出了一種改進(jìn)MSPCA的故障監(jiān)測(cè)算法。首先利用小波閾值去噪的方法，消除原始過(guò)程數(shù)據(jù)中的大部分高頻隨機(jī)噪聲，使得數(shù)據(jù)不受噪聲的影響，然后利用

4、小波分解將去噪后的數(shù)據(jù)分解成逼近系數(shù)和細(xì)節(jié)系數(shù)，分別在各個(gè)尺度上建立主元分析模型，對(duì)各個(gè)尺度小波系數(shù)消噪并重構(gòu)得到綜合尺度的故障監(jiān)測(cè)模型。通過(guò)對(duì)化工過(guò)程—TE過(guò)程的仿真研究，驗(yàn)證了該方法的可行性和有效性。與傳統(tǒng)PCA方法和傳統(tǒng)MSPCA相比，改進(jìn)MSPCA方法能有效、及時(shí)地監(jiān)測(cè)到過(guò)程中的緩變故障。
　　(2)基于MSPCA-ANFIS的故障診斷
　　當(dāng)故障被檢測(cè)到后，需要進(jìn)一步對(duì)故障進(jìn)行識(shí)別與診斷。為此，本文提出一種基于MS

5、PCA-ANFIS的故障診斷新策略。該方法采用前述MSPCA方法提取的特征作為ANFIS分類器的輸入，然后用ANFIS分類器進(jìn)行故障識(shí)別。通過(guò)特征提取將高維的輸入變量轉(zhuǎn)變成低維的，同時(shí)保留重要的特征信息用于故障診斷。ANFIS是一個(gè)多輸入單輸出的系統(tǒng)，如果只用一個(gè)ANFIS分類器對(duì)所有故障進(jìn)行診斷，這樣會(huì)增加網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性和降低診斷能力。因此，本文采用多個(gè)ANFIS分類器進(jìn)行故障診斷，以此提高故障診斷的速度和有效性，同時(shí)降低了算法的復(fù)