基于多元统计分析的故障检测在化工过程中的应用

论文摘要

化工过程在工业生产中发挥着关键的作用,可以说它涉及到了人们生活的方方面面。近些年来,化学工艺生产设备的规模越来越大,相应的化工工艺也越来越复杂。在生产过程中系统各装置间可能存在耦合性,如果生产过程中突然发生异常情况,可能会因为连锁反应进而造成大型事故。在这种情况下,确保化学过程的安全稳定地进行就显得尤为关键。通过故障诊断技术提高化工过程的安全性和可靠性是一种安全且高效的途径。所以,用多元统计法判断系统是否存在故障有着相当重要的意义。本文不仅介绍了Tennessee-Eastman化工过程并对该过程的在线故障检测进行了建模与分析,而且详细地介绍了多元统计方法以及故障检测方法;基于多元平方预测误差法和Hotelling#统计方法;通过贡献图进行故障识别的故障检测的基本原理。通过对TE过程的仿真应用,详细分析了利用主元分析法以及支持向量数据描述法进行故障诊断时的优缺点。由于主元分析不能应用于非线性和非高斯分布的复杂工业过程中,故考虑建立一种把PCA和SVDD两种方法结合的故障检测技术。它的思想是通过主元分析方法分解原始数据,并获得得分矩阵的信息。然后,通过SVDD法获得得分矩阵,计算关于距离的统计量,和其统计限。最后,通过TE过程的数据及仿真图验证了该算法确实能够提高故障检测率,并具有可行性。最后,由于实际的工业过程产生的数据会受较大的噪声污染,本文提出了基于小波去噪与PCA-SVDD相结合的故障检测方法,TE过程的实时仿真验证了该改进算法具有可行性,并且达到了预期的效果。

论文目录

• 摘要
• abstract
• 1 绪论
•   1.1 研究背景
•   1.2 基于化工过程的故障检测技术的研究现状
•   1.3 多元统计分析的故障检测技术研究现状
•   1.4 各章节内容
• 2 基于主元分析的故障检测的研究
•   2.1 主元分析法的基本理论及算法研究
•     2.1.1 主元分析法的基本思想
•     2.1.2 主元的定义
•   2.2 PCA法故障检测
•     2.2.1 基于PCA的故障检测方法研究
•     2.2.2 主元分析的故障检测步骤
•   2.3 田纳西—伊斯曼过程
•   2.4 本章小结
• 3 基于支持向量数据描述法的故障检测研究及仿真
•   3.1 支持向量数据描述的基本理论及算法研究
•   3.2 支持向量数据描述的故障检测
•     3.2.1 基于SVDD的故障检测算法研究
•     3.2.2 基于SVDD的故障检测步骤
•   3.3 SVDD在 TE过程中的应用
•   3.4 本章小结
• 4 基于PCA-SVDD故障检测的仿真及应用
•   4.1 PCA-SVDD的基本理论
•   4.2 PCA-SVDD的建模及检测
•     4.2.1 基于PCA-SVDD的故障检测算法
•     4.2.2 基于PCA-SVDD的故障检测步骤
•   4.3 PCA-SVDD在 TE过程中的仿真及应用
•   4.4 本章小结
• 5 基于小波去噪与PCA-SVDD相结合的故障检测
•   5.1 小波去噪的原理及仿真
•     5.1.1 小波变换定义和性质
•     5.1.2 小波变换进行故障检测的基本原理
•     5.1.3 小波去噪仿真
•   5.2 基于小波去噪与PCA-SVDD相结合的故障检测
•   5.3 在TE过程中的应用
•   5.4 本章小结
• 6 总结与展望
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 张芷瑜

导师: 翟春艳

关键词: 主元分析,支持向量数据描述,故障检测,小波去噪

来源: 辽宁石油化工大学

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

专业: 数学,有机化工,工业通用技术及设备,自动化技术

单位: 辽宁石油化工大学

分类号: O212.4;TP277;TQ021

DOI: 10.27023/d.cnki.gfssc.2019.000037

总页数: 57

文件大小: 3157K

下载量: 207