MCUSUMMSPCA方法对微小故障的监测研究.pdfVIP

MCUSUM-MSPCA 方法对微小故障的监测 孙美红，孙巍*，张浩，张佳 （北京化工大学化学工程学院 北京 100029 ） 摘要：本文提出一种新的基于累计和与小波多尺度的主元分析方法(MCUSUM-MSPCA)，即综合主元分析 去除变量间关联、小波分析提取测量变量决定性特征，将传统的单变量累计和控制图(CUSUM)扩展为多 变量的形式，用于多变量统计过程的监控。通过对Tennessee Eastman (TE)过程的仿真研究，与普通PCA 方 法相比，MCUSUM-MSPCA 方法在过程监控中比较有效的监测到微小、缓变故障。 关键词：累计和；主元分析；MCUSUM-MSPCA ；微小故障 Small shift detection based on MCUSUM-MSPCA SUN Meihong，SUN Wei*，ZHANG Hao ，ZHANG Jia (School of Chem. Eng.，Beijing University of Chemical Technology ，Beijing100029 ，China) Abstract ：In the paper we have proposed a new multivariate statistical process monitoring method ， MCUSUM-MSPCA ，which extends the conventional cumulative sum (CUSUM) to MCUSUM and combines the ability of PCA to extract the relationship between the variables and decorrelate the cross-correlation with the ability of wavelets to extract deterministic features in the measurements. A case study of the Tennessee Eastman (TE) process shows that the proposed method is efficient，and the process monitoring performance is evidently improved. Comparing with principal component analysis，MCUSUM-MSPCA can be used to effectively detect different resolution variation ，and increase the reliability of process monitoring. Key words ：cumulative sum；principal component analysis ；MCUSUM-MSPCA ；small shifts 引言 在化工连续生产过程中，生产系统在长期运行和生产负荷中会不可避免地发生各种故障，及时有效 地监测、诊断过程故障是提供性能优良、品质一致产品的先决条件。经过十多年的研究与发展，成功地 应用于过程的监测与分析[1] 。主元分析方法 (PCA ，Principal Component Analysis)是一种利用统计原理建 立描述系统的低维模型的方法。随着进一步的发展，动态和非线性的改进方法也已经被提出，但仍然存 在单尺度建模的缺点。Bakshi[2]指出，工业过程数据本质上是多尺度的。小波分析的多分辨率特性为解决 问题提供了可能性，通过将测量信号分解为不同尺度上的信号。并且对于大多数实际工业过程都存在着 缓慢的变化过程，这些过程潜在的缓变和微小故障如果不能得到及时监测的话，也会导致产品质量的下 [3] 降，严重时可能发生事故。累计和（CUSUM ）控制图 因为具有对过程数据的累计作用，对均值上的微 基金项目：国家863 项目（2006AA04Z176 ）子课题。 联 系 人：孙巍，Tel: 010。E-mail: sunweibuct@126.com 。 作者简介：孙美红，女，硕士研究生。 征文范