基于田纳西—伊斯曼过程故障检测方法研究

发布时间：2017-11-05 12:12

  本文关键词：基于田纳西—伊斯曼过程故障检测方法研究

  更多相关文章： 多变量统计过程控制 PCA SVDD 鲁棒主成分分析 故障检测

【摘要】：多变量统计过程控制方法(MSPC)已经被广泛地应用于关于化工过程的监测研究,并且得到了专家和学者们的重视。由于化工过程的监测算法可以通过田纳西-伊斯曼(TE)数据来验证提出的算法有效性和可行性,美国Eastman化学公司的Downs和Vogel根据该公司一个实际的化工联合反应过程,开发的TE Benchmark实验平台,并由该平台产生TE数据。因此,本论文主要的研究对象是TE数据,针对复杂的工业过程,提出了以下几种有效的过程监测方法。(1)针对复杂工业过程中的非线性和非高斯信息问题,建立了一种新的基于主成分分析和支持向量数据描述(PCA-SVDD)的故障检测模型。由于支持向量数据描述(SVDD)模型具有不受线性和高斯假设的限制的优点,克服了传统主成分分析(PCA)统计检测方法假设过程满足线性和高斯分布的缺点。首先,应用主成分分析法对过程数据进行分解,提取出得分矩阵信息。然后,采用支持向量数据描述(SVDD)算法对得分矩阵建立基于距离的统计量并构建其相应的统计限。最后,通过TE数据的仿真实验说明了本章算法的有效性和可行性,而且提高了对故障的检测率。(2)针对化工过程监测的数据可能含有稀疏噪声的情况。提出了鲁棒主成分分析和支持向量数据描述(RPCA-SVDD)的故障检测模型。由于鲁棒主成分分析(RPCA)不仅能从稀疏噪声污染数据中恢复出低秩矩阵数据,而且支持向量数据描述(SVDD)算法能克服数据满足线性和高斯假设的不足。采用加速近端梯度(APG)算法来实现对鲁棒主成分分析的求解。最后,通过对田纳西-伊斯曼(TE)仿真实验证明了该章提出的算法是可行性的。结果说明了该章提出的算法有效地改善了故障的监测效果。(3)针对实际的工业过程产生的数据会受较大的且稀疏噪声污染,因此采用传统主成分分析(PCA)处理此类数据效果不佳。低秩矩阵与稀疏分解(LRSD)能够分解出高维数据中反应本质的低秩矩阵数据,且不受到稀疏噪声影响的优点,本章提出了一种基于低秩矩阵与稀疏分解和主元分析(LRSD-PCA)故障检测方法。首先,应用低秩矩阵与稀疏分解(LRSD)提取出高维数据中的低秩数据。其次,利用低秩矩阵与稀疏分解(LRSD)算法得到的低秩数据,建立主元分析模型。最后,通过一个数值仿真例子和TE仿真数据,结果表明该算法是有效的。
【学位授予单位】：华东交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ056;O213.1

【相似文献】

中国期刊全文数据库 前9条

1 吕柏权,李天铎;一种基于小波网络的故障检测方法[J];控制理论与应用;1998年05期

2 张沐光;宋执环;;一种基于独立元贡献度的子空间故障检测方法[J];控制理论与应用;2010年03期

3 高明亮;;PCA故障检测方法及应用[J];科技广场;2012年04期

4 方华京;基于观测器的l~1鲁棒故障检测方法[J];控制理论与应用;2001年01期

5 褚东升;董琦;张玲;;带乘性噪声系统的传感器故障检测方法[J];中国海洋大学学报(自然科学版);2013年04期

6 陈金水,孙优贤;一种基于UIO观测器的故障检测方法[J];控制理论与应用;1997年01期

7 徐晶;张秋杰;单净;姜萍;;基于Lipschitz指数熵的轴承故障检测方法[J];科技导报;2009年15期

8 李克非,张诗甫,刘明,潘向党;打印机故障检测方法及维修实例[J];辽宁气象;2005年03期

9 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 周小勇;叶银忠;;基于小波多分辨率分析的故障检测方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

2 杜运成;石红瑞;;等价空间故障检测方法研究[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

3 谭琳;文成林;;一种基于多模式的故障检测方法[A];第二十七届中国控制会议论文集[C];2008年

4 邱恺;吴训忠;陈天如;魏瑞轩;张宗麟;;基于融合量测预报器的联邦滤波故障检测方法[A];第二十四届中国控制会议论文集（下册）[C];2005年

5 陈金水;孙优贤;;一种控制系统故障的鲁棒检测方法[A];1995中国控制与决策学术年会论文集[C];1995年

6 颜东;张洪钺;;基于ARMA模型的故障检测方法[A];1994中国控制与决策学术年会论文集[C];1994年

7 张成;李元;;PC-KNN故障检测方法在半导体批次过程中的应用研究[A];第25届中国控制与决策会议论文集[C];2013年

8 易昭湘;慕晓冬;杨眉;赵鹏;;基于状态监控的软硬件故障检测方法[A];2007'仪表，，自动化及先进集成技术大会论文集（二）[C];2007年

9 李建立;谭庆平;徐建军;;一种软件实现的瞬时故障检测方法[A];全国计算机安全学术交流会论文集（第二十三卷）[C];2008年

10 徐卓飞;张海燕;任玲辉;;基于纹理识别的胶印机墨杠故障检测方法[A];颜色科学与技术——2012第二届中国印刷与包装学术会议论文摘要集[C];2012年

中国重要报纸全文数据库 前1条

1 江苏 孙春晖;浅谈数字电路故障检测方法与技巧[N];电子报;2006年

中国博士学位论文全文数据库 前5条

1 刘文静;分布式网络化控制系统故障检测方法研究[D];天津大学;2009年

2 彭涛;基于传感器最优配置的故障检测方法研究[D];中南大学;2005年

3 马贺贺;基于数据驱动的复杂工业过程故障检测方法研究[D];华东理工大学;2013年

4 肖丽;基于电流信号提取技术的SRD故障检测方法的研究[D];河北工业大学;2014年

5 王恒;基于LMI技术的线性系统故障检测方法[D];东北大学;2008年

中国硕士学位论文全文数据库 前10条

1 罗俊杰;FPGA故障检测方法研究及软件实现[D];中国科学院大学(工程管理与信息技术学院);2015年

2 张占奎;基于特征空间信息提取的故障检测方法研究[D];大连理工大学;2015年

3 刘婷;串联电弧故障检测方法研究及应用[D];沈阳工业大学;2016年

4 郭刚;弹复性两自由度机械手的关节故障检测方法研究[D];华东理工大学;2016年

5 马鲁;风电机组传动系统关键机械部件的故障检测方法研究[D];上海电机学院;2016年

6 丁伟光;非线性网络控制系统的故障检测方法研究[D];南京航空航天大学;2015年

7 吴卓卓;基于田纳西—伊斯曼过程故障检测方法研究[D];华东交通大学;2016年

8 曲辰飞;智能建筑暖通空调系统故障检测方法研究[D];天津大学;2014年

9 王承光;动态系统的鲁棒故障检测方法研究[D];南京理工大学;2006年

10 张少捷;基于工业过程数据的故障检测方法研究[D];华东理工大学;2011年

本文编号：1144135