胜利学院前沿讲座流程工业先进控制技术.pptVIP

90年代，DCS系统在工业控制中大量应用，形成大型工业数据库，对工业数据的深入挖掘分析为故障诊断技术的发展提供了前提条件。 使用统计模型，挖掘数据的内在信息，适合用于大型复杂工业过程（如炼油化工过程）的故障诊断，无需机理模型，但是对数据的可靠性要求较高。 典型技术：主元分析PCA，偏最小二乘法PLS * 研究背景 计算机测量与控制系统和各种智能化仪表在工业过程中的广泛应用，大量的过程数据被采集并存储下来。 但是这些包含过程运行状态信息的数据往往没有被有效地利用，出现了“Data rich，information poor”的现象。 工业界和研究人员的认识到：必须将海量的数据变为有用的信息，服务于生产安全和产品质量控制，以起到降低成本、提高企业竞争力的作用 从多元统计分析的角度研究：多元统计监控方法 主元分析（Principal Component Analysis, PCA） 偏最小二乘（Partial Least Squares, PLS ） 典型变量分析（Canonical Variate Analysis，CVA） 独立元分析（Independent Component Analysis,ICA） 费歇尔判别分析（Fisher Discriminant Analysis, FDA） 从统计的角度处理数据 测控技术的发展使得能够对越来越多的过程变量和产品质量指标进行测量；计算机和数据库技术的普及使工厂拥有了相当丰富的生产数据资源。 分析变量之间的关联关系 工业过程尤其是流程工业，在同一过程中的不同变量间往往存在相互关联的关系。比如在精馏塔的操作中，进料组分的变化会引起各塔板温度、塔顶和塔底组分等多个变量的变化。这种多变量间的变化是错综复杂的。 PCA方法处理数据是一个空间分解与降维的过程 原来的高维过程数据空间被低维主元子空间，而且过程变量之间的相关性被消除。 建立PCA过程统计模型，就可以在低维的子空间中实现对多变量过程的监测。 统计建模 PCA统计模型描述了正常工况下各过程变量之间的关系，这种变量间的内在联系是由物料平衡、能量平衡以及操作限制等约束所形成的。 对正常工况下的过程数据进行ＰＣＡ分析，投影到两个正交的子空间（主元空间和残差空间）上，并分别建立两个统计量描述正常数据的概率分布 过程监控（故障检测） 将在线数据投影到ＰＣＡ模型中，进行假设检验，以判断过程的运行状况 Hotelling T2 ：T2统计量，监控主元空间中数据的变化 SPE（Squared Prediction Error，或称为Q）统计量，监控残差空间中数据的变化 * PCA方法对正常工况数据的监控 * PCA方法对故障数据的监控（故障F1） * PLS方法 PLS分析过程测量变量与质量变量之间关系 CVA方法 CVA分析历史数据与将来数据之间的相关性，以此建立统计模型 FDA方法 以多种故障模式数据同时建模，通过判别进行故障诊断 ICA方法 分析数据的非高斯性，提取数据中独立成分 * （1）石油化工领域 采用统计过程控制的国际知名公司 DuPont（美国杜邦）、 Shell（荷兰皇家／壳牌集团公司）、Amoco（美国石油公司）、BP（英国石油公司）、Neste Chemicals（芬兰耐思特石油公司）、Statoil Mongstad Refinery（挪威 炼油厂）、Eastman Chemicals（美国伊士曼化工公司）、 British Nuclear Fuels PLC（英国核燃料集团公司）。 涉及的装置 反应器：pH中和反应、流化床反应器、间歇反应器 炼油装置：精馏塔、流化催化裂化装置、残油催化裂化装置、加氢裂化分馏器、催化重整系统、低温空气分离装置 。 * （2）钢铁领域 采用统计过程控制的国际知名公司 POSCO（韩国钢铁 浦项综合制铁株式会社） Dofasco（加拿大钢厂） * Dofasco（加拿大钢厂）开发应用了一种基于多变量统计的系统来监控钢铁浇铸过程。为操作工设计的监控界面包含测量值、监控曲线和贡献等信息，简单直观 。 图a 铸造机器主界面 注： 上面左边是SPE监控图，右边是 监控图；下面曲线是钢水液位波动图；棒状图显示了热电偶的温度。 图b 铸造机器贡献界面 注：按顺序显示失控状况的贡献变量 (3) 造纸领域 加拿大Tembec纸业公司使用基于PCA的统计过程控制方法监控亚硫酸盐纸浆蒸煮器。 为了生产高质量三层纸板，Tembec公司于1998年引入多变量统计控制图。为了监控产品的40个等级，Ivanov等提出了新的多等级建模方法——PLS判别分析（PLS-DA），该方法能够根据纸的厚度和相关速度区分所有等级。 Thank You！ 安全、稳定、长周期、满负荷