基于FDA的青霉素发酵过程故障诊断研究

• 作 者: 孔明
• 发表日期: 2010年01期
• 关键词: FDA 多模型 青霉素发酵 窗口化

间歇过程是现代过程工业中一种重要的生产方式,由于其本身的灵活性,广泛应用于精细化工、食品、制药等工业。青霉素发酵是一种复杂的生化反应系统,发酵过程的稳定性决定了青霉素发酵的产物效率,因此对青霉素发酵过程进行故障检测与故障诊断的研究有较强的现实意义,并且对其它生化反应过程的相关应用也有较强的借鉴意义。Fisher判别式分析(Fisher Discriminant analysis, FDA)是广泛应用于模式识别领域中的一种降维技术。FDA在建立模型时,不仅利用了正常工况的历史数据,而且还利用了各种故障条件下的历史数据,其故障诊断能力较好。在调研青霉素发酵过程、查阅大量文献的基础上,本文完成了青霉素发酵过程的窗口化多FDA模型的建立,并对青霉素发酵过程进行故障诊断。本文提出了窗口化多FDA模型方法,即在了解间歇过程的动态特性前提下,适当选取时间窗口,利用邻近一些采样点的数据建立FDA模型。与多模型FDA方法相比,该方法不仅充分利用有限的故障数据资源,同时也考虑了过程的动态特性。针对青霉素发酵过程,在对比了一些研究结果之后,确定八个变量用于建模和故障诊断：空气流量、搅拌功率、底物流量,溶解氧浓度,底物浓度、二氧化碳浓度,pH值和温度。在窗口选取上,针对青霉素发酵过程不同阶段特点采取不同的窗口选取原则。然后,在每个窗口上建立FDA模型,得到窗口模型最优判别矩阵与每一类的判别得分向量。在线故障诊断时,根据数据所处时间段判断所需使用的故障诊断模型,通过判别得分向量的欧几里得距离最小原则进行故障诊断,判断出当前生产工况所处的状态。最后,通过青霉素发酵过程数据的仿真研究,验证了窗口化多FDA模型方法的故障诊断性能比多模型FDA方法有明显的提高。