基于ICA和小波變換的過程監(jiān)測方法的研究.pdf

1、過程監(jiān)測一直都是工業(yè)系統(tǒng)的主要研究問題之一。它通過密切地監(jiān)督生產(chǎn)過程的運(yùn)行狀態(tài)，不斷地檢測過程的變化趨勢、診斷故障信息，有效地提高了產(chǎn)品的質(zhì)量和經(jīng)濟(jì)效益?；跀?shù)據(jù)驅(qū)動(dòng)的方法是過程監(jiān)測領(lǐng)域的一個(gè)重要分支，由于其僅依賴于易得的過程數(shù)據(jù)，不依賴于精確的數(shù)學(xué)模型，近年來成為過程監(jiān)控領(lǐng)域研究的熱點(diǎn)。
　　 本文針對工業(yè)過程的實(shí)際特點(diǎn)，以獨(dú)立成分分析(Independent Component Analysis,ICA)為主線，結(jié)合小波變換

2、，對過程監(jiān)測方法進(jìn)行了深入的研究。
　　 ICA作為高階統(tǒng)計(jì)量的信號(hào)分解方法，可以避免數(shù)據(jù)服從正態(tài)分布的假定，有效地利用變量的統(tǒng)計(jì)特性，在統(tǒng)計(jì)獨(dú)立的意義下對觀測變量進(jìn)行分解，實(shí)現(xiàn)對過程本質(zhì)結(jié)構(gòu)的最理想描述。然而對于實(shí)際工業(yè)過程而言，一般不能確切知道獨(dú)立分量的個(gè)數(shù)，F(xiàn)astICA算法得到的獨(dú)立成分往往也是雜亂無章的，并不能確定各獨(dú)立成分對觀測信號(hào)的主次性，本文采用MSE方法對獨(dú)立成分進(jìn)行排序，提取關(guān)鍵的獨(dú)立成分，進(jìn)而利用核密度估計(jì)

3、確定統(tǒng)計(jì)量控制限，得到在線監(jiān)測模型，并用貢獻(xiàn)圖方法進(jìn)行故障辨識(shí)。
　　 考慮工業(yè)過程測量數(shù)據(jù)具有的非高斯分布、多尺度、動(dòng)態(tài)和隨機(jī)噪聲影響等特征，以及FastICA算法在具有多高斯噪聲信號(hào)源系統(tǒng)中收斂性較差的問題，在ICA方法的基礎(chǔ)上，結(jié)合小波分析，提出基于小波變換的多尺度ICA方法用于過程的故障檢測。應(yīng)用ICA和小波變換進(jìn)行過程特征信息的兩步提取，通過小波變換的多尺度分析特性，提取過程數(shù)據(jù)的局部時(shí)頻信息，濾除一定的噪聲，在每個(gè)尺