基于fisher判别分析的过程监控方法研究-控制科学与工程专业论文.docxVIP

摘要随着DCS和计算机技术的广泛应用，大量过程数据得以采集和存储，如何利用多 摘要 随着DCS和计算机技术的广泛应用，大量过程数据得以采集和存储，如何利用多 元统计理论从中挖掘出过程运行的深层次信息从而提高过程监控的能力，成为目前过程 控制领域的一个重要研究方向。本文以连续生产过程监控为背景，针对过程变量之间存 在的非线性和统计相关性，研究了一种基于改进核Fisher判别的故障检测方法，并在基 于核基特征提取的故障诊断中引入一种核参数寻优算法，论文以连续聚合反应CSTR为 研究对象，针对不同的扰动情况进行了具体的分析和仿真。 论文在基于Fisher判别分析(FDA)方法的故障检测基础上，针对过程变量之间的 非线性特性，引入核函数，研究了基于核方法的改进算法KFDA，基于KFDA的故障 检测方法通过将数据映射到高维特征空间有效的将非线性数据进行分离，可以减小故障 数据的漏检率。驱动过程的关键变量往往是少数不可测的独立变量，为了提取这些关键 独立的变量来建立更准确的模型，本文在非线性FDA方法中引入独立元分析模块，给 出了基于ICA KFDA的连续过程故障检测方法，先通过ICA模型来提取独立变量，然 后在此基础上采用核FDA模型对过程进行监控。对CSTR的仿真结果表明，与基于FDA 和核FDA的故障检测方法相比，ICA KFDA方法进一步减小了故障数据的漏检率。同 时，针对监控过程中构造的距离统计量分布形式未知的情况，采用了核密度估计的方法 计算用于故障检测的控制限。 故障源的分离是建立在故障检测基础之上，本文对基于Fisher特征提取的故障数据 降维和诊断方法予以改进，研究了核基特征提取的故障诊断方法，解决了数据在高维空 间的线性可分性，并引入一种无约束非线性规划算法来获得最优的核参数，保证故障数 据在映射空间获得最好的分离效果。最后在提取的特征空间中，分别采用距离和相似度 两种判别方法获得诊断结果，对CSTR的仿真结果表明基于非线性FDA方法所提取的 特征更易于分类。 关键词：Fisher判别分析，核函数，过程监控，独立元分析，CSTR Process Process Monitoring based on Fisher Disciminant Analysis Xin Huanhuan(Control Science and Engineering) Directed by Professor TIAN Xue—min Abstract With the wide application of DCS and computer technology,a large number of process data can be collected and stored．How to fully utilize the deep—level information to improve the performance of process monitoring has been gradually becoming one of the hotspots in the field of process contr01．As to deal with the nonlinear system and statistical correlation between variables，a novel fault detection method using improved kernel Fisher discriminent analysis is studied in this paper．Moreover,an optimal searching algorithm for the kernel parameter is employed to fault diagnosis based on kernel Fisher feature extraction．Taking continuous stirred tank reactor(CSTR)as a background，specific analysis and simulation Was carried according to the diverse disturbance of different variables． First,the thesis analyzed the principle and algorithm of Fisher discriminant analysis and carried out the fault detection of continuous process based on FDA．Then，according fo