学位论文 > 优秀研究生学位论文题录展示

基于KPLS的工业过程监测方法研究

作　者: 胡益
导　师: 侍洪波
学　校: 华东理工大学
专　业: 控制科学与工程
关键词: 过程监控核偏最小二乘离群点间歇过程故障辨识
分类号: TP273
类　型: 博士论文
年　份: 2014年
下　载: 79次
引　用: 0次
阅　读: 论文下载

内容摘要

随着现代工业朝着大规模、复杂化的方向发展,工业生产的过程监控和故障检测成为了工业系统关注的主要问题之一。通过对复杂生产过程的运行状态进行监测,及时发现过程干扰、故障以及其它异常工况,诊断出故障发生的原因,从而可以保证生产过程安全运行,提高产品质量和经济效益。近年来,随着计算机技术的发展和分布式控制系统(DCS)在工业过程中的广泛应用,大量的过程数据被采集并存储下来。因此,如何从海量数据中挖掘出隐藏的有用信息,使其服务于生产安全和产品质量控制,已经成为迫切需要解决的问题。在这种工程背景下,基于数据的多元统计方法受到了广泛关注,并被成功应用于过程建模、监控和控制领域。传统的多元统计监控方法以主成分分析(PCA)和偏最小二乘(PLS)为主,这些方法通过降维的策略提取高维、变量相关的过程数据的主要信息,从而对过程的运行状况进行分析。然而在实际应用中,传统的基于多元统计的方法存在一定的局限性,表现之一在于这些方法要求过程变量之间是线性相关的,然而流程工业中过程变量之间、过程变量与质量变量之间往往存在着非线性关系,用线性的方法对数据的非线性特性进行建模将难以得到精确的模型。本文主要将针对过程数据存在的非线性问题,将一种非线性的PLS方法一核PLS (Kernel PLS, KPLS)方法应用于工业过程的在线监控,并考虑到实际应用中存在的各种问题,对基本的KPLS方法进行改进,使其能在过程监控、故障诊断和质量预测中得到更好的应用。本文的主要研究工作包括以下几个方面：(1)针对过程监控数据的非线性特点,提出了一种基于核偏最小二乘(KPLS)的过程监控方法。该方法首先通过核函数将输入数据映射到高维特征空间,再在高维特征空间进行PLS运算。与线性PLS算法相比,KPLS算法在处理非线性问题时能够很好地建立起输入变量与输出变量之间的非线性关系,充分提取非线性系统的特征。通过构造相应的监控统计量,将KPLS方法应用于过程的在线监控,取得了比普通的PLS方法更好的监控效果。(2)针对非线性过程采集的数据存在离群值的问题,提出了一种基于球形化KPLS (Spherical KPLS, SKPLS)的鲁棒在线监控策略。该鲁棒策略通过将高维特征空间的特征向量投影到一个单位球球面得到新的特征向量,再对新的特征向量进行KPLS算法。通过球形化的处理,减少甚至消除了离群点对建模精度的影响。与普通的KPLS方法相比,提出的SKPLS方法具有鲁棒特性,能够处理含有离群点的建模数据。此外,SKPLS方法的性能要优越于其它线性的鲁棒算法,因为它能有效地捕捉变量之间的非线性关系。通过将具有鲁棒性的方法与基于核的非线性方法相结合,提出的新方法同时具有鲁棒特性和非线性特性,在应用于过程监控时能获得更精确的过程模型。(3)针对间歇过程的数据特点,将KPLS方法应用于间歇过程的数据处理,提出了一种基于多向KPLS (Multiway KPLS, MKPLS)的间歇过程监控方法。在提出的监控策略中,首先将正常间歇过程的三维数据按批次方向展开成两维的数据,再用KPLS方法建立起输入输出之间的非线性关系,最后构建相应的统计量对新的操作批次进行监控。由于KPLS方法具有很强的非线性特征提取能力,所以将提出的MKPLS方法应用于间歇过程中能获得比多向PLS (Multiway PLS, MPLS)方法更好的监控性能。(4)针对间歇过程存在的时变问题、多阶段问题以及阶段不等长问题,将“即时学习(Just-in-time-learning, JITL)"策略引入到KPLS方法中,提出了一种新的基于JITL-KPLS方法的间歇过程在线监控策略。在该策略中,用JITL方法来选取用于建模的最相似样本,然后基于相似样本建立KPLS模型用于对过程进行监控。基于局部邻域信息的JITL模型可以很好地捕捉过程的变化特性,因此适合于解决间歇过程的时变和多阶段问题。同时,KPLS方法还可以有效地处理复杂的非线性数据。此外,本文提出的监控策略应用于在线监控时不需要对未来的未知测量值进行预估。因此,提出的基于JITL-KPLS方法的监控策略在很大程度上改进了间歇过程监控性能。(5)针对KPLS方法在实际应用中存在的核矩阵计算复杂的问题和故障变量辨识的问题,提出了一种有效的非线性过程监控和故障辨识策略。从大量历史数据库中挑选出一定数量的特征样本,再基于该特征样本集建立KPLS模型,由于样本数量的减少,核矩阵的计算变得较为简单,从而缩短了KPLS方法的建模时间。同时,由于特征样本包含有足够的过程信息,所以建立的模型具有较高的精度,能获得很好的过程监控性能。为了对故障变量进行辨识,还提出了一种基于回归重构的方法,通过构造故障辨识指标可以有效地找出引发故障的重要变量,该方法提供了一种可供选择的非线性故障辨识方法。在对上述方法进行分析的同时,通过不同方法之间的比较,利用Tennessee Eastman过程和青霉素发酵过程等仿真应用进行验证,结果充分证明了本文所提出的新方法的有效性。最后,在对本文主要工作进行总结的基础上对未来的研究工作进行了展望。

全文目录

摘要  5-7
Abstract  7-9
目录  9-12
第1章绪论  12-32
  1.1 引言  12-13
  1.2 工业过程故障诊断方法分类  13-16
    1.2.1 定性分析方法  14
    1.2.2 定量分析方法  14-16
  1.3 偏最小二乘(PLS)的基本理论  16-24
    1.3.1 PLS算法描述  17-19
    1.3.2 PLS算法中自变量的选取  19-20
    1.3.3 PLS算法中最优隐变量个数的选取方法  20-21
    1.3.4 PLS算法特性  21-23
    1.3.5 基于PLS的过程监控  23-24
  1.4 改进的PLS算法及其应用  24-30
    1.4.1 基于动态性和自适应性的改进  24-25
    1.4.2 基于多尺度策略和多块策略的改进  25-26
    1.4.3 面向间歇过程的改进  26-27
    1.4.4 针对离群点问题的改进  27-28
    1.4.5 针对非线性问题的改进  28-30
  1.5 本文的主要研究内容及安排  30-32
第2章基于核PLS的过程监控方法  32-43
  2.1 引言  32-33
  2.2 核偏最小二乘(KPLS)算法  33-34
  2.3 基于KPLS的过程监控  34-35
  2.4 基于KPLS的在线监控  35-36
    2.4.1 建立正常工况下的模型  35-36
    2.4.2 在线监控  36
  2.5 仿真实验分析  36-42
    2.5.1 数值仿真应用研究  36-38
    2.5.2 污水处理过程仿真应用研究  38-42
  2.6 本章小结  42-43
第3章基于球形化KPLS的鲁棒监控策略  43-65
  3.1 引言  43-44
  3.2 球形化策略的基本思想  44-45
  3.3 鲁棒KPLS方法  45-49
    3.3.1 空间中值  45-46
    3.3.2 高维特征空间里的空间中值  46-47
    3.3.3 球形化KPLS  47-49
  3.4 具有鲁棒性的在线监控策略  49-52
    3.4.1 鲁棒标准化  49-50
    3.4.2 具有鲁棒性的监控指标  50-51
    3.4.3 基于SKPLS的在线监控  51-52
  3.5 仿真实验分析  52-63
    3.5.1 数值仿真应用研究  52-54
    3.5.2 TE过程仿真应用研究  54-63
  3.6 本章小结  63-65
第4章多向KPLS方法及其在间歇过程监控中的应用  65-76
  4.1 引言  65-66
  4.2 基于多向KPLS的离线分析  66-68
  4.3 基于多向KPLS的在线监控  68-69
    4.3.1 正常工况建模步骤  68
    4.3.2 实施在线监控  68-69
  4.4 青霉素发酵过程仿真应用研究  69-75
    4.4.1 仿真平台简介  69-70
    4.4.2 基于MPLS和MKPLS的离线分析  70-72
    4.4.3 监控结果比较与分析  72-75
  4.5 本章小结  75-76
第5章基于“即时学习”策略改进的间歇过程监控方法  76-95
  5.1 引言  76-77
  5.2 分级式建模方法  77-79
  5.3 基于JITL的局部建模策略  79-80
  5.4 针对间歇过程的JITL改进方法  80-84
    5.4.1 基于移动窗策略的JITL方法  81-82
    5.4.2 局部建模策略优势分析  82-84
  5.5 基于JITL和KPLS的在线监控  84-85
  5.6 仿真实验分析  85-94
    5.6.1 DuPont过程应用研究  85-89
    5.6.2 青霉素发酵过程应用研究  89-94
  5.7 本章小结  94-95
第6章一种改进的基于KPLS方法的故障检测与辨识策略  95-109
  6.1 引言  95-96
  6.2 基于特征样本的KPLS方法  96-98
    6.2.1 特征样本的选取  96-97
    6.2.2 基于FS-KPLS的故障检测  97-98
  6.3 基于回归重构的故障辨识  98-100
    6.3.1 基于回归的重构方法  98-99
    6.3.2 基于KPLS的故障辨识  99-100
  6.4 仿真实验分析  100-108
    6.4.1 数值仿真应用研究  100-104
    6.4.2 TE过程应用研究  104-108
  6.5 本章小结  108-109
第7章总结与展望  109-112
  7.1 研究工作总结  109-110
  7.2 研究工作展望  110-112
参考文献  112-125
致谢  125-126
作者在攻读博士学位期间取得的学术成果  126-127

基于KPLS的工业过程监测方法研究

内容摘要

全文目录

相似论文