时间序列特征的化工过程变量故障监测方法研究

发布时间：2021-07-22 19:29

　　化工生产过程中对过程变量的实时监测是保障产品质量和生产安全必不可少的措施,统计过程控制（Statistical Process Control,SPC）方法是一种采用数理统计技术形成监测统计量的方式实时评估和监控过程工况的工具,它受到了学术界的广泛关注和研究,并且应用在工业生产中可保障生产的稳定运行并辅助现场工艺的操作决策。评估过程故障监测性能的主要要素有监测图在正常工况下的误报警率和在异常工况下的报警时间。过程数据往往受到噪声与粗差的干扰,过程数据信噪比过低易导致过程控制图的误报警率上升和异常工况识别灵敏性下降。实际生产中过程变量的采样频率过高,高采样频率易引起数据较高的时序相关性,从而导致控制图的高误报警率和报警延迟。针对过程数据含噪和时序相关特征影响过程监控效果的问题,本文开展了以下研究工作:（1）针对过程数据含多种类型噪声引起故障监测图误报警率上升的问题,首先测试现有基础滤波方法对各种噪声特征的过程数据的降噪性能;考虑到在线降噪要求滤波器具有较低的参数灵敏度,在经验模态分解（EMD）的基础上建立一种过程数据在线降噪的方法OLREMD;为保证方法同时消除数据中的噪声和粗差,结合小... 

【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：131 页

【学位级别】：博士

【部分图文】：

图２．１?ＯＬＲＥＭＤ的方法框架??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ＯＬＲＥＭＤ??－２０－??

喊u到iee州妞ar】》p出们史翻侧晚tdem哪e}tov图z.zoL}mn三雄灵敏度?

3三种方法的灵敏度对比(案例1)

【参考文献】：
期刊论文
[1]EMD在目标声信号特征提取中的应用研究[J]. 赵天青,梁旭斌,许学忠,蔡宗义,孙迪峰.  南京大学学报(自然科学). 2015(S1)
[2]基于经验模态分解及独立成分分析的微震信号降噪方法[J]. 贾瑞生,赵同彬,孙红梅,闫相宏.  地球物理学报. 2015(03)
[3]基于时段的间歇过程统计建模、在线监测及质量预报[J]. 赵春晖,王福利,姚远,高福荣.  自动化学报. 2010(03)
[4]一种改进的EMD降噪方法[J]. 赵志宏,杨绍普,申永军.  振动与冲击. 2009(12)
[5]基于经验模态分解的小波阈值降噪方法研究[J]. 李振兴,徐洪洲.  计算机仿真. 2009(09)
[6]基于数据相似度的间歇过程在线监控[J]. 邸丽清,熊智华,阳宪惠.  清华大学学报（自然科学版）网络.预览. 2008(07)
[7]一种新的EMD去噪方法[J]. 赵雯雯,曾兴雯.  电子科技. 2008(05)
[8]经验模态分解中多种边界处理方法的比较研究[J]. 胡维平,莫家玲,龚英姬,赵方伟,杜明辉.  电子与信息学报. 2007(06)
[9]正交多项式拟合在EMD算法端点问题中的应用[J]. 朱金龙,邱晓晖.  计算机工程与应用. 2006(23)
[10]间歇过程的统计建模与在线监测[J]. 陆宁云,王福利,高福荣,王姝.  自动化学报. 2006(03)

硕士论文
[1]多阶段间歇过程故障检测方法的研究[D]. 王静.华东理工大学 2014
[2]基于贝叶斯小波包降噪方法的数据校正[D]. 郑玉鑫.华东理工大学 2012



本文编号：3297756