【摘 要】
：
随着现代过程工业不断向扩展化、集中化方向发展,工业过程越来越复杂,过程变量也随之增多,同时对工业过程的安全可靠性提出了更高的要求。因此工业过程中的故障检测与诊断技
论文部分内容阅读
随着现代过程工业不断向扩展化、集中化方向发展,工业过程越来越复杂,过程变量也随之增多,同时对工业过程的安全可靠性提出了更高的要求。因此工业过程中的故障检测与诊断技术已成为国内外过程控制领域研究的热点。本文旨在研究间歇过程中的故障检测与诊断方法。基于多元统计分析的故障检测与诊断方法不仅不需要依赖系统的数学模型,而且对高维、高强度耦合数据的处理具有一定的优势,所以已经成为解决故障检测与诊断问题的重要方法之一。因此,本文采用多元统计分析方法中的Fishe判别分析方法对间歇过程中的故障进行检测与诊断。本文以Fisher判别式分析(Fisher Discriminant Analysis,FDA)为基础,针对流程工业中的间歇生产过程,提出了一类基于FDA的故障诊断方法:主要研究内容如下:(1)提出了多模型FDA故障诊断方法。多向FDA方法在进行在线故障诊断时需要估计当前生产批次的未测量值,造成了较高的误诊断率。而本文提出的多模型FDA故障诊断方法是对每一个时刻建立一个模型,解决了对一个批次中未知数据估计的问题。通过青霉素发酵过程的仿真分析,多模型FDA方法在误诊断率上要低于多向FDA法。(2)提出了递推多模型FDA故障诊断方法。多模型FDA故障诊断方法在建立模型时如果遇到故障数据不足的问题,就会降低诊断性能。递推多模型FDA方法凭借递推的优势将有用的故障信息充分利用起来同时没有影响生产过程的动态特性。通过在青霉素发酵过程中三种方法的对比,证明了该方法在故障识别方面要优于多模型FDA和多向FDA方法。(3)提出了窗口化多FDA模型故障诊断方法。多模型FDA方法在建立模型时,如果有一段样本数据缺失,则无法建立模型,从而不能进行故障诊断。窗口化多FDA模型故障诊断方法利用窗口化这一特点将现有样本数据和缺失样本数据集中成一个模型,避免了缺失样本数据无法建模的问题。在样本数据缺失的情况下进行青霉素发酵过程的仿真,验证了窗口化多FDA模型方法的有效性。通过上述研究表明,在间歇过程的故障检测与诊断中递推多模型FDA与窗口化多FDA模型方法都要优于多模型FDA方法,诊断正确率逐渐提高,可以应用到实际工业中。
其他文献
该文深入研究了复杂人造系统多媒体认知理论,在Windows32位操作系统下用Visual C++设计并实现了一个关于认知照相机的多媒体认知软件,提出并应用了以下一些代表性的新观点、
该论文首先对于RADIUS协议及其相关的两个认证协议进行了说明,之后通过对协议实现的描述,详细讲述了如何用编程来实现的思想;其次,开始对UML简要介绍,之后就是如何利用UML来
该文主要内容：首先,回顾了鲁棒控制和严格控制的研究状况,给出了严格正实的定义、性质,并给出了该文的结构.其次,针对具有不确定性的任意阶多项式族进行鲁棒严格正实综合中遇
循环流化床锅炉(Circulating Fluidized Bed Boiler,以下简称CFBB)作为煤的清洁高效燃烧技术,正日益受到越来越多的重视.该文针对CFBB控制难点——汽压-床温耦合系统控制问题
本文针对变频调速系统结构复杂,故障征兆与原因之间普遍存在模糊性和复杂性的问题,结合模糊系统与神经网络的特点,采用了基于模糊神经网络的变频调速系统故障诊断方法,并验证了该方法的可行性。文中分析了模糊系统与神经网络各自的特点,针对模糊系统缺乏自学习能力,隶属函数和模糊规则的选取带有一定的主观性且依赖于专家以及神经网络的输入与输出之间没有明确的物理意义等问题,将模糊系统与神经网络结合起来,组成模糊神经网
非线性不确定系统的控制具有重要的理论和应用价值,该文结合反馈线性化方法和鲁棒控制理论,提出了几种非线性不确定系统的控制方法,称之为线性化鲁棒控制方法.并且将该文的线
该文作者将预测控制和模糊控制有机结合,提出了预测自适应模糊集成控制算法,并成功地应用于闸门智能控制系统中.该文提出的预测自适应模糊集成控制算法通过自校正规范化因子
超声电机(简称USM)是一种利用压电陶瓷的逆压电效应激发超声振动,通过摩擦耦合驱动,将电能转换为机械能输出的新型固态驱动器.它的工作原理完全不同于一般的电磁电机,与电磁
滚动轴承是旋转机械中最常用的重要零件之一,其状态直接影响整个机械系统能否正常工作,因此,滚动轴承故障诊断具有十分重要现实意义和经济价值。针对故障轴承产生的振动信号具有非平稳特性,传统分析方法难以提取故障信息等不足,本文提出了一种基于小波包变换提取滚动轴承故障信息的算法。针对人工神经网络分类器存在一些诸如局部最小值、收敛速度慢等不足,本文提出了一种基于支持向量机的滚动轴承故障识别算法,实验仿真表明该
盲源分离是信号处理领域中的一个重要研究方向,广泛应用于通信、医学、图像和语音信号处理等领域。盲源分离问题具有广阔的应用前景,得到了学术界的高度重视,并逐渐成为新的