学位论文 > 优秀研究生学位论文题录展示

基于数据分布特性的多变量过程监测及故障诊断

作　者: 张淑美
导　师: 王福利
学　校: 东北大学
专　业: 控制理论与控制工程
关键词: 高斯检验主成分分析独立成分分析在线监测故障诊断
分类号: TP274
类　型: 硕士论文
年　份: 2011年
下　载: 92次
引　用: 0次
阅　读: 论文下载

内容摘要

随着工业过程的复杂性不断增加,有效的性能监控、故障诊断成为保证生产安全、提高产品质量和增加经济效益的关键。由于主成分分析(PCA)、独立成分分析(ICA)只用到过程数据,提取的特征信息能很好表征系统特性,且有效去除冗余,因此以PCA、ICA为代表的多变量过程监测和故障诊断技术已广泛应用于各种工业过程。但PCA和ICA等方法在应用时具有一定的限制条件。例如,PCA方法无法提取数据的高阶特性；ICA方法只能提取非高斯分布的信息。如果不考虑这些前提条件,盲目选择监测方法,则可能导致分析不准,给出错误结论。然而大多实际工业过程中,并不具备过程数据分布的先验知识,这就为过程监测技术提出了挑战。针对上述问题,本文提出了一种基于数据分布特性的多变量过程监测方法。具体内容包括如下：(1)根据马氏距离与F分布关系,提出了一种改进的多元高斯性检验的方法——F统计量的Q-Q图法。此算法无需进行主元分析且考虑了样本协方差矩阵不可逆的情况。(2)提出一种基于数据分布特性的多元统计监测方法。根据数据的统计分布性质,选择适当的建模方法进行过程监测,且在选择模型的同时自动完成离线建模的过程以及控制限的求取。针对线性数据,如果数据服从高斯分布,选用PCA模型；若数据为非高斯分布,选用ICA模型；当数据既包含高斯信息又包含非高斯信息时,选用ICA和PCA结合的模型。(3)将上述算法推广至非线性过程：首先将原空间数据映射到高维特征空间,并利用KPCA进行白化。检验白化数据的分布特性,根据检验结果选择合适的监测方法(KPCA、KICA、Kernel ICA-PCA)(4)成功地将该算法应用到连续退火机组的带钢生产过程监测中。针对带钢生产过程,模型自动选择ICA-PCA方法进行建模,并利用T2统计量、S2统计量和平方预测误差SPE统计量来进行过程监测；当检测到故障发生时,利用贡献图确定引发故障的过程变量。

全文目录

摘要  4-5
Abstract  5-9
第1章绪论  9-17
  1.1 课题背景及意义  9-10
  1.2 高斯性检验方法的研究现状  10-11
  1.3 多元统计方法研究现状  11-15
    1.3.1 传统的多元统计分析方法  11-13
    1.3.2 多元统计方法的改进  13-15
  1.4 本文主要工作  15-17
第2章多元高斯性检验  17-29
  2.1 引言  17
  2.2 高斯分布定义  17-18
  2.3 一元高斯分布检验方法  18-20
    2.3.1 定性的检验方法  18-19
    2.3.2 定量的检验方法  19-20
  2.4 多元高斯分布检验方法  20-26
    2.4.1 传统的多元高斯判断算法  20-23
    2.4.2 改进的F直线法—F统计量的Q-Q图法  23-26
  2.5 算法仿真及验证  26-28
    2.5.1 高斯数据的仿真研究  27
    2.5.2 非高斯数据的仿真研究  27-28
  2.6 本章小结  28-29
第3章基于数据分布特性的多元统计监测方法  29-59
  3.1 引言  29-30
  3.2 传统多元统计监测方法  30-38
    3.2.1 基于PCA方法的过程监测及故障诊断  30-33
    3.2.2 基于ICA方法的过程监测及故障诊断  33-36
    3.2.3 基于ICA-PCA方法的过程监测及故障诊断  36-38
  3.3 基于数据分布特性的多元统计监测方法  38-49
    3.3.1 基本思想  38-39
    3.3.2 算法流程  39-40
    3.3.3 算法仿真研究  40-49
    3.3.4 结论  49
  3.4 算法的非线性推广  49-57
    3.4.1 基本思想  50
    3.4.2 实现步骤  50-53
    3.4.3 算法仿真及验证  53-57
  3.5 本章小结  57-59
第4章连续退火机组中带钢生产的过程监测及故障诊断  59-69
  4.1 研究的目的与意义  59
  4.2 连续退火机组的工艺概述  59-60
  4.3 连退机组带钢生产的过程监测及故障诊断  60-67
    4.3.1 建模变量的选取  61-62
    4.3.2 监测模型的选择  62-64
    4.3.3 离线模型的建立  64
    4.3.4 在线监测及故障诊断  64-67
  4.4 本章小结  67-69
第5章总结与展望  69-71
参考文献  71-75
致谢  75-76
硕士学位论文专家评阅意见表  76

基于数据分布特性的多变量过程监测及故障诊断

内容摘要

全文目录

相似论文