基于核Fisher包络分析的间歇过程故障诊断

• 作 者: 刘莉
• 机 构: 北京化工大学
• 出 处: 北京化工大学
• 发表日期: 2015年01期
• 关键词: 间歇过程 故障诊断 Fisher判别分析 主元分析 包络面模型

为了满足市场的需求,提高企业竞争力,间歇生产过程也日益趋向于高效、大型和集成化的方向,其安全性和可靠性也越来越受到重视。因此,研究间歇过程的故障检测与诊断方法是十分重要和有意义的。相对于连续过程,间歇过程的复杂性使得建立精确故障诊断模型的难度加大。因此数据驱动的监控方法仅依靠采集到的过程数据便能对过程运行状态得到有效的分析结果,也是本文的研究重点。间歇过程不可避免的会存在初始条件和外界环境的变化,再加上设备老化都会造成生产周期的改变。然而目前针对间歇过程监控的方法一般都要求生产周期相等。此外,还有目前存在的传统监控方法在进行在线监控时需要完整的生产轨迹,因此要填充或估计未知值,这也导致诊断性能的降低。针对上述两个问题,本文以Fisher判别分析(Fisher Discriminant Analysis, FDA)为基础,提出了基于核Fisher包络分析的间歇过程故障诊断方法,并给出了基于该模型的在线故障诊断流程。此方法利用了Fisher判别分析对类别划分的特点,分别针对正常工况数据和各故障类型数据建立包络曲面模型。与多向Fisher判别分析相比,该方法按批次方向将数据展开,能够解决生产周期不一致问题,在线故障诊断时也不需要完整的生产轨迹,并且加入核函数来处理复杂的非线性。通过在青霉素发酵仿真平台与传统的核Fisher判别分析和改进多向FDA的仿真对比,证明了该方法的有效性。另外,本文针对主元分析(Principle Component Analysis, PCA)在建模时只利用了正常工况下的数据,未考虑已知故障信息的作用,而FDA同时使用各故障类信息建模,其故障诊断性能要优于PCA。针对上述问题本文提出了核Fisher包络分析和PCA相融合的间歇过程故障诊断思想,将主元分析有效的故障检测能力和核Fisher判别分析优秀的故障诊断能力进行融合。最后通过青霉素发酵仿真平台验证了该方法的有效性。