基于PCA的流程工业故障诊断系统的研究毕业设计论文.doc

毕业设计（论文）任务书 题目:基于PCA的流程工业故障诊断系统的研究 系 名 信息工程系 专 业 自动化 学 号 6009202116 学生姓名 苑 萌 指导教师 扈书亮 职 称 讲 师 2012年12 月15日 一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。） 工作基础：了解数据挖掘技术的基本方法，能熟练使用MATLAB软件。 研究条件：将流程工业生产过程正常运行的样本数据作为PCA矩阵并通过对数据的预处理，得到特征值和特征向量，建立主元模型，计算SPE和Hotelling统计量的控制限。 应用环境：基于主成分分析法的数据信息挖掘技术的研究 工作目的：熟练掌握MATLAB的M文件编程 掌握故障诊断技术的基本分类以及基于信号处理的方法的基本步骤。 二、参考文献 [1]刘磊,张宇明,钱积新.统计过程在连续生产中的应用[J].化工自动化及仪表,第24卷1995. [2]于俊英,连岳.SPC在柔性设计制造中心生产加工中的应用[J].航空制造技术, 2005. [3]张公绪,孙静.统计过程控制与诊断[J].质量与可靠性,2002. [4]刘阶萍,罗振璧,陈禹六.工序能力指数的统计分析与改进[J].北京科技大学学报,第26 卷第2期,2004. [5]高岩,杨慧中.一种主元分析方法在聚合生产过程故障检测与诊断中的应用[J].江南大学学报（自然科学版）, 2005. [6]王海清,宋执环,李平.改进 PCA 及其在过程监控与故障诊断中的应用[J].化工学报, 第52卷第6 期, 2001 年6 月. [7]J. F. MarcGregor and T. Kourti, Statistic Process Control of Multivariate Processes [J], Control Practice, Vol.3, No.3, 403-414. 三、设计（研究）内容和要求（包括设计或研究内容、主要指标与技术参数，并根据课题性质对学生提出具体要求。） 1、掌握MATLAB的基本使用方法，能够独立完成基本的算法设计。 2、对典型生产过程-油气水分离系统进行分析，了解其基本过程。 3、研究基于PCA和DPCA方法的故障诊断的方法和程序实现。 4、对实际的诊断效果做出相应的评价。 指导教师（签字） 年 月 日 审题小组组长（签字） 年 月 日天津大学仁爱学院本科生毕业设计（论文）开题报告 课题名称 基于PCA的流程工业故障诊断系统的研究 系 名 称 信息工程系 专业名称 自动化 学生姓名 苑 萌 指导教师 扈书亮 一、课题来源及意义 PCA可以称为主成分分析（Principal Component Analysis ，PCA ）或者主元分析。是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定n个变量的m个观察值，形成一个nm的数据矩阵,n通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，只需要将这几个变量分离出来，进行详细分析。但是，在一般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线性组合来表示事物的主要方面， PCA 就是这样一种分析方法。 PCA技术被广泛应用到各种领域，在生产中有着重要意义。PCA的应用包括数据压缩和编解码、模式识别、图像处理、自适应波束形成、降阶控制器设计、高分辨率频谱分析（用于频率估计）等。具体的有以下几个方面：减少维数；确定变量的线性组合；特征选取，即选择最有用的变量；多维数据的可视化；潜在变量的识别；识别目标或异常值的分组。 主成分分析就是试图在力保数据信息丢失最少的原则下，对这种多变量的数据表进行最佳综合简化，也就是说，对高维变量空间进行降维处理。很显然，识辨系统在一个低维空间要比在一个高维空间容易得多。其几何意义在于主成分分析的过程也就是坐标旋转的过程，各主成分表达式就是新坐标系与原坐标系的转换关系，新坐标系中各坐标轴的方向就是原始数据方差最大的方向，可达到简化数据结构的目的，新产生的综合变量具有不相关的性质，从而避免了信息重叠所带来的虚假性。 我国经过近十年来的发展,高光谱遥感矿物信息特征提取已经取得了很大进展。航空遥感中心高光谱遥感课题组对这方面进行了理论、技术方法以及规模化应用示范研究,取得了丰硕成果,取得了良好的经济与社会效益申请了多