基于主元分析的故障检测与诊断研究-控制科学与工程;控制理论与控制工程专业论文.docxVIP

摘要摘要 摘要 摘要 由于现代化大生产的迅速发展以及科学技术的迅速进步，现代工业系统的结构越 来越复杂，投资越来越大，自动化水平越来越高，因此系统过程的安全性和可靠性就 显得特别重要。基于主元分析的多元统计故障检测与诊断技术是目前过程自动化和控 制领域的研究热点问题之一。 本文首先介绍了故障诊断方法、多元统计方法和TE过程模型，研究了基于主元 分析方法的故障检测技术以及利用贡献图进行故障诊断的基本方法。针对主元分析方 法在进行故障检测与诊断时存在的不足，将主元分析与小波变换、RBF神经网络等方 法相结合，分别提出了基于小波去噪主元分析的故障检测与诊断方法，基于鲁棒主元 分析的故障检测与诊断方法以及基于RBF神经网络的非线性主元分析的故障检测方 法，将动态主元分析用于故障检测与诊断，提出基于动态主元分析的故障检测与诊断 方法，以TE模型为对象进行了仿真研究和仿真结果分析。主要研究工作为： l、研究了主元分析的基本原理，简单介绍了田纳西一伊斯曼(TE)模型，给出了基于主 元分析的故障检测与诊断算法流程，通过TE模型进行仿真研究，根据SPE和f 统计量的变化来判断是否发生故障，根据变量对统计量的贡献来判断故障变量、 识别故障源，实现故障的检测与诊断。 2、针对传统主元分析在处理含噪数据时的不足，研究了小波变换的基本原理，结合 基于主元分析方法的故障检测与诊断方法，提出基于小波去噪主元分析方法的故 障检测与诊断方法，TE模型的仿真研究表明该方法能有效地减少主元个数，降 低误报率，提高了故障检测与诊断的效果。 3、针对传统主元分析方法要求建模数据的噪声服从正态分布，提出了一种基于鲁 棒主元分析的故障检测与诊断方法。该方法使用简单的加权方差．协方差的估计 值代替传统的协方差，在此基础上建立主元模型构造SPE和1r2统计量来检测过 程故障并根据变量对统计量的贡献来判断故障变量、识别故障源，TE模型的仿 真研究表明了该方法优于传统的主元分析方法。 4、针对传统主元分析方法不能有效地监视动态多元过程，提出了一种基于动态主 元分析(DPCA)的故障检测方法，根据测量数据建立动态主元模型，在该模型基 础上利用SPE和1r2统计量进行故障检测，以TE模型为对象进行了仿真研究， 证实了基于动态主元分析进行故障检测时考虑时序相关性是由于传统主元分 析。 5、针对传统主元分析方法的非线性局限性，将RBF神经网络与非线性主元建模相 结合，提出基于RBF神经网络的非线性主元分析故障检测方法，利用RBF神经 l 摘要网络训练学习得到非线性主元的负载矩阵从而建立主元模型，仿真研究表明该 摘要 网络训练学习得到非线性主元的负载矩阵从而建立主元模型，仿真研究表明该 方法在对非线性系统进行故障检测时优于传统的主元分析方法。 关键词：主元分析(PCA)，小波变换，鲁棒主元分析，动态主元分析(DPCA)，神经 网络，田纳西．伊斯曼模型(TE) H AbstractAbstract Abstract Abstract Along with the development of modem production and of science and technology, industrial process becomes more and more complex，amounts of investment becomes larger and larger,automatic level has been higher and higher．Therefore,the security and reliability of Industrial process is more important．Multivariate statistical fault detection and diagnosis technology based on the principal component analysis is one of hot research of process automation． In this dissertation,the fault diagnosis methods，multivariate statistical methods and TE process model were introduced firstly,the fault detection approach based on principal component analysis(PCA)and the fault diagnosis approach based on contribution plot are deeply considered．For some exi