基于多元统计分析的故障检测在化工过程中的应用

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

    相关论文文献

    • [1].电子电路故障检测技术探索[J]. 电子测试 2020(03)
    • [2].航空线路故障检测与定位系统设计[J]. 飞机设计 2020(01)
    • [3].车联网在汽车故障检测中的应用[J]. 内燃机与配件 2020(11)
    • [4].探讨离心泵常见故障检测与维修[J]. 中国设备工程 2020(16)
    • [5].汽车发动机故障检测及维修技术研究[J]. 农家参谋 2020(22)
    • [6].航空锂电池故障检测与诊断[J]. 电源技术 2018(12)
    • [7].故障检测技术在电子电路的研究[J]. 通讯世界 2017(03)
    • [8].刍议数字电路在线故障检测技术[J]. 信息通信 2015(12)
    • [9].在《汽车故障检测与维修》中应用思维导图教学法的研究[J]. 科技风 2016(08)
    • [10].大数据环境下的网格动态故障检测研究[J]. 计算机应用与软件 2016(06)
    • [11].关于暖通空调系统故障检测与诊断技术研究进展[J]. 企业导报 2016(19)
    • [12].基于高服务质量的云网络故障检测方案分析[J]. 信息通信 2015(10)
    • [13].电子电路故障检测技术与方法[J]. 数码世界 2017(08)
    • [14].矿山机电设备智能故障检测诊断技术的研究[J]. 石化技术 2020(04)
    • [15].自动故障检测与诊断在暖通空调中的研究与应用[J]. 建材与装饰 2020(20)
    • [16].树状能量网络故障检测[J]. 系统科学与数学 2019(02)
    • [17].带有故障检测功能的平煤板[J]. 燃料与化工 2017(04)
    • [18].刍议数字电路在线故障检测技术[J]. 数字技术与应用 2015(12)
    • [19].汽车电脑的故障检测与维修[J]. 电子技术与软件工程 2015(02)
    • [20].计算机软硬件的故障检测与维护[J]. 电脑迷 2016(08)
    • [21].任务驱动教学法在《汽车故障检测与诊断》课程教学中的运用[J]. 新课程研究(中旬刊) 2013(07)
    • [22].暖通空调系统故障检测与诊断技术研究进展[J]. 暖通空调 2014(03)
    • [23].基于神经网络的计算机网络故障检测[J]. 煤炭技术 2012(04)
    • [24].基于主元分析的延迟焦化过程连续故障检测策略[J]. 化工自动化及仪表 2012(02)
    • [25].电控车故障检测法新思路[J]. 山东农机化 2009(01)
    • [26].海浪载荷干扰下船舶发动机故障检测数学模型研究[J]. 舰船科学技术 2019(18)
    • [27].飞行器伺服电磁阀故障检测研究[J]. 弹箭与制导学报 2017(01)
    • [28].基于网络的离散切换时滞系统故障检测和控制器协同设计[J]. 控制与决策 2017(10)
    • [29].离散切换系统的H_-/H∞故障检测滤波器设计[J]. 哈尔滨工业大学学报 2016(10)
    • [30].多传感器系统中基于扩展卡尔曼滤波器的在线故障检测[J]. 传感器与微系统 2015(06)

    标签:;  ;  ;  ;  

    基于多元统计分析的故障检测在化工过程中的应用
    下载Doc文档

    猜你喜欢