基于軌跡分析的工業(yè)過程建模與故障檢測.pdf

1、現(xiàn)代工業(yè)生產(chǎn)過程中，過程監(jiān)測技術(shù)對于保證過程正常運行，提升產(chǎn)品質(zhì)量有著重要的研究意義和實用價值。隨著工業(yè)生產(chǎn)的復(fù)雜化和大規(guī)?；^程的機(jī)理模型往往難以獲得，而由于計算機(jī)技術(shù)的發(fā)展和集散控制系統(tǒng)的應(yīng)用，從生產(chǎn)中采集到的過程數(shù)據(jù)越來越豐富，這些工業(yè)大數(shù)據(jù)中包含了大量與過程運行相關(guān)的重要信息。因此，如何從海量數(shù)據(jù)中提取過程特征和有效信息，并進(jìn)一步實現(xiàn)過程建模和在線實時監(jiān)測，成為了基于數(shù)據(jù)驅(qū)動的過程監(jiān)測技術(shù)的研究熱點。近幾十年來，針對實際生產(chǎn)過

2、程中的各種監(jiān)測需求，在多變量統(tǒng)計過程監(jiān)測領(lǐng)域涌現(xiàn)出了大量研究成果。傳統(tǒng)的多變量統(tǒng)計方法往往基于過程數(shù)據(jù)的理想情況假設(shè)，因而在實際過程中的應(yīng)用受到了限制。針對工業(yè)大數(shù)據(jù)的動態(tài)性、非線性、非高斯性和隨機(jī)性等復(fù)雜特性，本文通過分析過程數(shù)據(jù)的變化軌跡，以過程的動態(tài)性為主要切入點，將批次過程和連續(xù)過程作為研究對象，解決過程監(jiān)測技術(shù)在實際生產(chǎn)過程中面臨的一系列問題。
　　(1)針對批次過程的數(shù)據(jù)動態(tài)性和批次數(shù)據(jù)不等長等問題，提出了一種以軌跡分

3、析為主要思想的動態(tài)建模和故障檢測方法。通過局部差分計算構(gòu)造軌跡向量，同時利用即時學(xué)習(xí)方法搜索并提取相似軌跡，實現(xiàn)在線多變量統(tǒng)計監(jiān)測模型的更新和故障檢測，改進(jìn)了批次過程動態(tài)故障檢測技術(shù)并解決了歷史數(shù)據(jù)缺陷等問題。在實際應(yīng)用過程中，由于基于軌跡向量的方法提取了過程的變化軌跡和趨勢，對于動態(tài)過程有較好的故障檢測效果，同時避免了數(shù)據(jù)不等長和數(shù)據(jù)缺失等問題對在線監(jiān)測的干擾。
　　(2)針對批次過程模態(tài)間過渡階段的復(fù)雜數(shù)據(jù)特性，提出了一種基于

4、局部軌跡分析和PLS-SVDD算法的過程建模和故障檢測方法。由于批次過程模態(tài)間的過渡階段數(shù)據(jù)特性十分復(fù)雜，除了包含強自相關(guān)性之外，還包含非高斯性和非線性等其他復(fù)雜特性。同時，由于該階段的質(zhì)量指標(biāo)對于過程前后模態(tài)的正常運行有著重要的指導(dǎo)意義，因此對其進(jìn)行質(zhì)量相關(guān)的故障檢測是十分必要的。為此，通過對局部數(shù)據(jù)軌跡和分布的分析辨識出過渡階段并建立對應(yīng)的PLS-SVDD模型，在利用回歸模型實現(xiàn)質(zhì)量相關(guān)的故障檢測的同時，消除了數(shù)據(jù)非高斯性對統(tǒng)計量構(gòu)

5、造和故障檢測的影響。在對批次過程進(jìn)行全局故障檢測時，通過對過渡階段進(jìn)行單獨的局部建模和在線故障檢測，可以使監(jiān)測結(jié)果更為可靠。
　　(3)針對批次過程監(jiān)測中遇到的過程隨機(jī)性和不確定性問題，提出了一種基于隨機(jī)優(yōu)化和軌跡分析的故障檢測方法。考慮到過程的動態(tài)性以及質(zhì)量相關(guān)故障檢測的需求，以隨機(jī)優(yōu)化算法為主要思想，計算包含隨機(jī)參數(shù)的最優(yōu)歷史質(zhì)量軌跡作為故障檢測的參照軌跡。與此同時，由于通過傳感器采集到的歷史數(shù)據(jù)可能包含缺失數(shù)據(jù)或面對總批次數(shù)

6、較少的問題，引入bagging算法對歷史數(shù)據(jù)進(jìn)行重采樣并構(gòu)造出包含獨立最優(yōu)質(zhì)量軌跡的多個監(jiān)測子模型，并分別設(shè)計對應(yīng)的統(tǒng)計量。在線監(jiān)測階段，通過將各個子模型的故障檢測結(jié)果利用集成學(xué)習(xí)方法進(jìn)行決策融合，最終實現(xiàn)質(zhì)量相關(guān)的在線故障檢測。通過引入隨機(jī)優(yōu)化的概念，在考慮過程動態(tài)性和質(zhì)量相關(guān)故障檢測等普遍問題的同時，消除了過程隨機(jī)性和不確定性對故障檢測的影響，相比傳統(tǒng)方法在實際生產(chǎn)過程中有更好的監(jiān)測效果和應(yīng)用價值。
　　最后，將本文提出的基于