间歇过程过渡状态建模和故障诊断方法的研究与应用

发布时间：2020-10-18 10:40

　　流程工业生产方式可大致分为连续和(半)间歇两种。无论是连续还是间歇生产方式,过渡过程都是常见且不可避免的状态。间歇过程过渡状态占用大量的生产时间和生产资源,并且容易受到各种故障和误操作的危害。研究间歇过程过渡状态建模与故障诊断具有重要的理论意义和经济价值。本论文以二维动态主成分分析为基础,针对间歇过程过渡状态数据的主要特征,研究了过程建模、性能监测与故障诊断方法,具体成果包括以下三个方面。 (1)针对主成分空间的Hotelling T2指标,在二维自回归(2DAR)滤波器的基础上,实现了利用主成分子空间信息进行在线过程监测的功能,仿真结果验证了该方法的优越性。 (2)提出一种基于二维动态主成分分析(2DDPCA)的故障诊断方法。该方法将故障信息划分为“批次内”和“批次间”信息,采用变量贡献图方法隔离故障变量,并依据2DDPCA模型支撑区域中故障变量的相关性变化具体分析故障成因,仿真结果验证了该方法的可行性和有效性。 (3)参与开发了注塑机实时控制系统中监测诊断模块,并针对注塑启动阶段,研究了基于2DDPCA的过程监测与故障诊断算法的应用可行性。
【学位单位】：南京航空航天大学
【学位级别】：硕士
【学位年份】：2009
【中图分类】：TH165.3
【部分图文】：

控制限,主成分,最小二乘,残差

图 3.4 主成分空间的残差控制限（最小二乘）（注：实线：99%控制限，虚线：95%控制限）图 3.5 主成分空间的残差控制限（偏最小二乘）（注：实线：99%控制限，虚线：95%控制限）

轨迹图,相关性,变量,故障

为了检验所建模型对生产故障的监测能力，对变量的相关性结构作了改变，并对这个错误进行仿真。在第 61 批次中，作如下改变：( ) ( ) ( ) ( )2 2 2 2 2x i , j = 0.67 * x i 1, j + 0.8 * x i , j 1 0.47 * x i 1, j 1+ w(3.11)由图 3.6 可见，出现故障后的2x 与正常的2x 相比，在数值上虽然有些变化，但变化并不明显。直到 62 个批次故障也无法直接判断是否发生了故障。

故障监测,建模,采法,经典方法