基于HMM的TE过程在线故障诊断与多步故障预报-控制理论与控制工程专业论文.docxVIP

独创性声明 22南W胡名 2 2 南W胡 名 签 者 作 文 论 位 学 日风月F 日 风 月 F rd 年 rb 严 期 日 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即:学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密口， 在一一一一年解密后适用本授权书。 本论文属于 / 不保密矶。 (请在以上方框内打 ../ ) 学位论文作者签名:如立 日期:).o rS 年 5月均日  指导教阳:drf; 日期:2o/S 年 2月/?日 摘 要 当今社会科学技术不断进步，现代化水平越来越高，现代控制系统日益趋向大 规模、复杂化和自动化。随着系统规模与复杂程度的增加，进一步提高了对其安全 性的要求。故障诊断与预报技术是增强系统可靠性及降低事故风险的有效途径。如 果在系统出现故障后及时地检测到故障，并辨识出故障的类型，或在系统只出现很 小的异常时就预报出故障的发展趋势，则可准确及时地做出有效的维修决策来防止 系统故障的进一步发生，从而避免由于故障发展引起的不必要的损失。鉴于此，本 文对隐马尔可夫模型（Hidden Markov Model，HMM）的在线故障诊断与多步故障预 报进行了研究，并将其成功应用于田纳西-伊斯曼（Tennessee Eastman，TE）化工过 程中。 本文研究的在线故障诊断包括故障的在线检测与在线辨识两个方面。故障检测 是故障诊断的重要部分，本文提出了一种新的基于HMM的在线故障检测方法。该方 法以一个新的实时统计量作为在线故障检测的量化指标，首先采用主元分析方法对 系统变量进行特征提取，再利用变长度滑动窗口在线跟踪动态数据得到故障检测的 实时阈值，然后比较待测系统实时统计量与实时阈值的大小来判断系统是否发生故 障。研究在线故障辨识需要首先训练系统所有故障情况下的隐马尔可夫模型得到故 障的模型库，然后测试待测系统运行数据与各个模型的匹配程度，来得出待测系统 所发生的故障属于哪个类型。之后将这些方法都带入TE过程进行了仿真验证。 最后，根据HMM的结构和基本算法，在HMM的预报模型的基础上，本文提出 了一种基于HMM的多步预报方法。并应用这一方法预报了TE过程故障6情况下一段 时间之后的系统健康状况，从而对故障发展趋势进行了预测，验证了该多步预报方 法的有效性。 关键词：隐马尔可夫模型；故障诊断；故障预报；故障检测；故障辨识；多步预报； 田纳西-伊斯曼过程 ABSTRACT Nowadays, the improvement of science and technology has motivated more and more high level of modernization. And modern control systems are moving towards large-scale, complicated and automated direction. With the increase of scale and complexity of system, the requirement of system security further improves. Fault diagnosis and prognosis are effective methods to improve system reliability and reduce the risk of accidents. If we detect a fault of system and identify its type timely, or predict the development trend of a fault when the system has a small abnormity, we will make an effective maintenance decision accurately and timely to prevent the system fault, then avoid unnecessary loss caused by the development of the fault. For that reason, this thesis studies on-line fault diagnosis and multi-step ahead fault prediction methods based on Hidden Markov Model (HMM), which ar