论文部分内容阅读
间歇过程由于其灵活的生产方式、多样的加工种类、较短的生产周期等优势,逐渐取代了传统的连续过程生产模式,成为生物制药、化工能源、电子制造等各个重要行业的主要生产方式,且在国内工业整体组成结构中所占的比重也持续加大。然而,在间歇生产过程中存在着繁多的误差干扰因素,这不仅造成了产品质量无法有效保证,同时也增加了生产过程中的安全风险。基于这样的发展背景下,针对间歇过程故障检测技术的研究引起了相关领域的专业机构或学者的广泛关注和重视,至今已收获了丰富的研究成果。本文以多时段间歇过程为研究背景,针对现有故障检测方法存在的时段划分不准确、处理非高斯非线性特点明显的数据效果不佳的现状,分别开展了算法设计工作,并取得了良好的检测效果。主要研究内容如下:(1)分析总结间歇过程的具体特征和测量数据的特点,详细解释了主元分析法(PCA)在故障检测中的应用原理,并进一步研究了适用于间歇过程数据处理的多向主元分析(MPCA)故障检测方法。(2)对于间歇过程的多操作时段,传统的K-means算法在进行间歇过程时段划分时,需要事先给定划分时段的个数,随机初始化聚类中心点,造成聚类结果的不确定导致时段划分不准确。因此本文提出改进的K-means算法,通过最大最小距离法确定聚类初始中心,自适应的确定最佳时段数,实验结果表明本方法能准确划分过程时段。(3)基于MPCA的故障检测方法不适用于非高斯、非线性特点明显的间歇过程数据,本文研究提出了结合K近邻方法(KNN)与独立主元(ICA)分析的间歇过程故障检测方法,有效改进了ICA算法中统计量控制限不易确定的问题。(4)分别将改进后的多时段MPCA方法和ICA-KNN故障检测方法用于青霉素发酵过程和半导体批次生成过程的仿真实验,与其他方法的对比分析结果表明了以上两种方法提高了故障检测的准确率。