【范文】基于TE的化工过程故障诊断算法研究
【作者】 王新明；
【导师】 赵小强；
【摘要】 化工在工业生产中占有举足轻重的地位,它几乎涉及到人们生活的各个方面,近年来,随着科学技术,尤其是计算机技术的飞速发展,化工过程生产装置的规模越来越大,工艺越来越复杂,投资越来越大,自动化水平越来越高,因此化工过程的安全性和可靠性就显得特别重要。采用故障诊断技术来提高化工过程的安全性和可靠性是一种有效而重要的方法,因此对化工过程进行故障诊断研究具有极其重要的价值。本文详细介绍了各种故障诊断方法、TE过程模型和各种多变量统计方法,介绍了利用多变量平方预测误差法和Hotelling T2统计法进行故障检测,,以及利用贡献图进行故障辨识的基本原理。主要针对主元分析法和核主元分析法进行故障诊断时存在的主要优缺点进行了研究,并在TE化工过程中进行了仿真应用研究,针对主元分析法无法应用于非线性过程的缺点,提出了核主元分析法；针对化工过程复杂非线性,并且含有噪声和随机干扰的特点,提出了小波去噪与核主元分析相结合的方法；针对核主元分析法计算量大、耗时的缺点,提出了基于特征矢量选择的核主元分析方法；针对核主元分析法故障辨识能力差的缺点,提出了利用计算核函数的偏导数来求取核主元分析监控中每个原始变量对统计量...
【Abstract】 Chemical industry plays a very important role in industrial production, it involves almost all aspects of people’s lives. In recent years, along with the development of science and technology, especially computer technology, production units of chemical industry become bigger and bigger, technological processes become more complex, amounts of investment become larger and larger, automatic level becomes higher and higher. Therefore, the security and reliability of chemical process is more importa...
【关键词】 故障诊断； TE过程； 故障检测； 多变量统计； 主元分析； 核主元分析； 特征矢量选择；
【Key words】 fault diagnosis； Tennessee Eastman process； fault detection； multivariate statistical； principal component analysis； kernel principal component analysis； feature vector selection；
【范文目录】
摘要 7-8
Abstract 8
插图索引 9-10
附表索引 10-11
第1章 绪论 11-21
    1.1 化工过程故障诊断的研究背景及意义 11-12
    1.2 化工过程的特点 12-13
    1.3 故障诊断方法概述 13-19
        1.3.1 基于解析模型的方法 14-16
        1.3.2 基于知识的方法 16-18
        1.3.3 基于信号处理的方法 18-19
    1.4 本文研究内容 19-21
第2章 TE过程描述 21-29
    2.1 过程工艺流程图 21-23
    2.2 过程变量 23-25
    2.3 过程故障 25-27
    2.4 过程仿真 27-28
    2.5 本章小结 28-29
第3章 多变量统计 29-44
    3.1 多变量统计法 29
    3.2 主元分析法(PCA) 29-31
        3.2.1 应用PCA的前提条件 29-30
        3.2.2 主元分析的基本原理 30-31
    3.3 部分最小二乘法(PLS) 31-32
    3.4 费舍尔判别分析法(FDA) 32-33
    3.5 规范变量分析法(CVA) 33-34
    3.6 主元分析法在故障诊断中的应用 34-43
        3.6.1 基于PCA的故障检测 34-36
            3.6.1.1 T~2统计法 34-36
            3.6.1.2 SPE方法 36
        3.6.2 基于PCA的故障诊断 36-38
            3.6.2.1 贡献图法 36-37
            3.6.2.2 特征方向法 37-38
            3.6.2.3 基于统计距离的方法 38
            3.6.2.4 基于角度的方法 38
        3.6.3 基于PCA的TE过程故障诊断研究 38-43
    3.7 本章小结 43-44
第4章 基于KPCA的TE过程故障诊断分析和改进 44-56
    4.1 KPCA原理 44-45
    4.2 基于KPCA的故障诊断分析 45-46
    4.3 基于改进KPCA的故障诊断 46-51
        4.3.1 基于FVS-KPCA的故障检测方法 46-49
            4.3.1.1 特征矢量选择(FVS)原理 46-47
            4.3.1.2 基于FVS-KPCA的故障检测策略 47-49
        4.3.2 基于改进KPCA的故障诊断方法 49-50
        4.3.3 基于小波去噪与KPCA的故障检测方法 50-51
    4.4 仿真与应用研究 51-53
        4.4.1 基于KPCA的TE过程故障检测仿真研究 51-52
        4.4.2 基于小波FVS-KPCA的TE过程故障检测仿真研究 52-53
        4.4.3 基于改进KPCA的TE过程故障诊断仿真研究 53
    4.5 本章小结 53-56
结论和展望 56-58
    结论 56-57
    展望 57-58
参考文献 58-63
附录  (部分程序代码) 65-68