基于Fisher判別分析的過程監(jiān)控方法研究.pdf

1、隨著DCS和計(jì)算機(jī)技術(shù)的廣泛應(yīng)用,大量過程數(shù)據(jù)得以采集和存儲(chǔ),如何利用多元統(tǒng)計(jì)理論從中挖掘出過程運(yùn)行的深層次信息從而提高過程監(jiān)控的能力,成為目前過程控制領(lǐng)域的一個(gè)重要研究方向。本文以連續(xù)生產(chǎn)過程監(jiān)控為背景,針對過程變量之間存在的非線性和統(tǒng)計(jì)相關(guān)性,研究了一種基于改進(jìn)核Fisher判別的故障檢測方法,并在基于核基特征提取的故障診斷中引入一種核參數(shù)尋優(yōu)算法,論文以連續(xù)聚合反應(yīng)CSTR為研究對象,針對不同的擾動(dòng)情況進(jìn)行了具體的分析和仿真。

2、r>　　 論文在基于Fisher判別分析(FDA)方法的故障檢測基礎(chǔ)上,針對過程變量之間的非線性特性,引入核函數(shù),研究了基于核方法的改進(jìn)算法KFDA,基于KFDA的故障檢測方法通過將數(shù)據(jù)映射到高維特征空間有效的將非線性數(shù)據(jù)進(jìn)行分離,可以減小故障數(shù)據(jù)的漏檢率。驅(qū)動(dòng)過程的關(guān)鍵變量往往是少數(shù)不可測的獨(dú)立變量,為了提取這些關(guān)鍵獨(dú)立的變量來建立更準(zhǔn)確的模型,本文在非線性FDA方法中引入獨(dú)立元分析模塊,給出了基于ICA_KFDA的連續(xù)過程故障檢測

3、方法,先通過ICA模型來提取獨(dú)立變量,然后在此基礎(chǔ)上采用核FDA模型對過程進(jìn)行監(jiān)控。對CSTR的仿真結(jié)果表明,與基于FDA和核FDA的故障檢測方法相比,ICA_KFDA方法進(jìn)一步減小了故障數(shù)據(jù)的漏檢率。同時(shí),針對監(jiān)控過程中構(gòu)造的距離統(tǒng)計(jì)量分布形式未知的情況,采用了核密度估計(jì)的方法計(jì)算用于故障檢測的控制限。
　　 故障源的分離是建立在故障檢測基礎(chǔ)之上,本文對基于Fisher特征提取的故障數(shù)據(jù)降維和診斷方法予以改進(jìn),研究了核基特征提