数据驱动的非线性过程监测方法研究

发布时间：2019-08-02 10:01

【摘要】：随着工业系统不断地朝向大规模、复杂化、高度集成化的方向发展,工业系统对于安全性与可靠性的要求变得越来越高,因此对过程进行实时有效地监测成为当前研究的重要课题。复杂工业系统建立模型非常困难,甚至无法建立模型,但往往又可以产生大量包含系统信息的历史数据。基于这种现象,对数据驱动的过程监测方法进行研究是非常有意义的。目前,很多的研究成果都是线性算法,并不适用于非线性过程。针对这个问题,本文对已经提出的两种线性算法进行改进,得到适用于非线性系统的非线性算法。本文首先回顾了标准偏最小二乘(PLS)算法和全潜结构投影(T-PLS)算法在工业过程监测中的具体算法步骤。由于T-PLS算法是线性算法,不适合对非线性系统进行监测,因此将核方法引入到T-PLS算法中,得到核T-PLS(T-KPLS)算法。实际工业过程中往往存在大量的离群点,为了解决离群点问题,在T-KPLS算法中引入球形化的思想,提出球形化核全潜结构投影(ST-KPLS)算法。通过数值仿真算例对ST-KPLS算法的监测能力进行验证。在此之后,本文考虑了另一种基于标准PLS的改进算法,改进型偏最小二乘(MPLS)算法。MPLS算法的优势是实现了对原始数据空间进行正交划分,使得统计量与子空间之间可以完全对应。但MPLS算法仍是线性算法,对非线性过程监测能力有限。针对这个问题,将核方法与MPLS算法相结合得到了核MPLS(MKPLS)算法。通过数值仿真算例验证了MKPLS算法的监测能力。本文最后介绍了污水处理过程的工作原理与仿真平台,并阐述了过程中涉及到的两种异常事件。对过程变量与质量变量进行了合理的选取。应用ST-KPLS算法和MKPLS算法对过程中的异常事件进行监测,验证所提出的这两种算法的先进性。
【图文】：

图 1-1 工业系统的过程监测流程图Flow chart of process monitoring in indust学模型的方法，基于知识的方法，和法不断的更新，经过数多年的发展多新提出的方法无法归类于 Frank

图 1-2 过程监测方法分类Fig. 1-2 Classification of process monitoring methods故障产生的来源。Iri 等人首先提出了将 SDG 方法应用于过程监测[5]。文献[6给出了此方法的改进算法，，应用了概率的知识，并应用到了监测过程当中。故障树也是一种过程监测策略,最先被 Caceres 等人应用到过程监测[7]。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP274

【参考文献】

相关期刊论文 前2条

1 王丽;侍洪波;;采用改进核偏最小二乘法的非线性化工过程故障检测(英文)[J];Chinese Journal of Chemical Engineering;2014年06期

2 王洪江;孙保民;田进步;;定性仿真在锅炉状态监控和故障诊断中的应用[J];工程热物理学报;2007年01期

相关博士学位论文 前2条

1 胡益;基于KPLS的工业过程监测方法研究[D];华东理工大学;2014年

2 葛志强;复杂工况过程统计监测方法研究[D];浙江大学;2009年

相关硕士学位论文 前3条

1 薛永飞;基于改进T-PLS的化工过程故障诊断研究[D];兰州理工大学;2014年

2 谢晓晨;大数据意义下的非线性工业过程预测问题研究[D];哈尔滨工业大学;2014年

3 杨婷;污水处理过程的模糊建模与控制[D];哈尔滨工业大学;2011年

本文编号：2522043