复杂工业过程质量相关故障的根源诊断与传播路径辨识
发布时间：2020-05-12 14:07
【摘要】：本文源于现代工业企业对“质量、效率和效益”提升的实际需求,充分考虑复杂工业过程流程长、工况复杂多变、动态、非线性及质量相关故障定位难、传播路径复杂、易演变演化等问题,在传统的多元统计、概率分析、机器学习、信息融合、信息论、图论、模式识别等理论方法的基础上,针对现代工业生产过程中质量相关故障根源诊断与传播路径辨识领域所面临的关键科学问题,从复杂工业过程的动态与非线性、层次化监测以及多故障诊断等不同角度深入研究了故障根源诊断与传播路径辨识方法,为有效减少或避免质量相关故障发生、保证产品质量、提高企业经济效益提供了理论支撑与技术保证。取得了如下创新性研究成果:1)针对复杂工业过程建模复杂、质量相关故障分布范围广、定位难、因果拓扑图构建效率低等问题,提出了质量相关故障根源变量目标候选集筛选与因果关系分析相结合的故障根源诊断方案。在该方案下,面向复杂工业过程的动态特性,构建了互信息典型变量分析模型,实现了质量相关故障检测;然后,利用广义重构贡献图方法筛选了质量相关故障变量的目标候选集;最后,通过传递熵方法分析了质量相关故障变量间的因果关系,构建了因果拓扑图,实现了动态过程质量相关故障的根源诊断。面向复杂工业过程的多工况特性,构建了鲁棒高斯混合模型,实现了质量相关故障检测;然后,通过推导基于贝叶斯推理的鲁棒高斯混合贡献指标,筛选了质量相关故障变量的目标候选集;最后,通过传递熵方法初步构建因果拓扑图,并利用直接传递熵方法判断间接因果关系,获取了最优因果拓扑图,实现了多工况过程质量相关故障根源诊断。2)针对基于数据提取的因果拓扑图可能存在较多的冗余连接,而基于知识的方法可能存在大量不直观或重要信息缺失等问题,提出了知识和数据联合驱动的质量相关故障传播路径辨识策略。在该策略下,面向复杂工业过程的非线性与动态特性,构建了非线性动态潜变量模型,实现了质量相关故障检测;然后,利用相对重构贡献图方法筛选了质量相关故障变量的目标候选集;最后,将知识和数据相结合,通过构建分块贝叶斯网络,实现了非线性动态过程质量相关故障传播路径辨识。面向复杂工业过程的动态特性,在基于数据驱动间隙测度与贝叶斯推理的局部与全局质量相关故障检测结果的基础上,利用基于神经网络架构的格兰杰因果关系分析方法,实现了动态过程质量相关故障传播路径层次化辨识。3)针对全局的建模思想可能会忽略过程的很多细节信息以及质量相关多故障的未知、时变、多模态特性,提出了自顶向下的质量相关多故障层次化检测与根源诊断框架。在该框架下,面向复杂工业过程的动态特性,在基于相关性典型变量分析与贝叶斯推理的局部与全局质量相关多故障检测结果的基础上,利用张量子空间判别分析方法,实现了动态过程质量相关多故障根源诊断。面向复杂工业过程的非线性与动态特性,在基于自适应核典型变量分析与贝叶斯推理的局部与全局质量相关多故障检测结果的基础上,利用鲁棒稀疏指数判别分析方法,实现了非线性动态过程质量相关多故障根源诊断。上述研究成果是针对复杂工业过程质量相关故障的根源诊断与传播路径辨识两大科学问题进行的系统研究,并制定了相应的解决思路和技术方案。利用带钢热轧过程、田纳西-伊斯曼过程数据对这些方法进行了验证,并与传统方法进行对比分析,实验结果表明了算法的有效性和实用性。
【图文】：
在基于数据驱动的故障诊断的众多方法中，研宄论文和应用案例数量最逡逑多的是多元统计过程监控（Ｍｕｌｔｉｖａｒｉａｔｅ邋Ｓｔａｔｉｓｔｉｃａｌ邋Ｐｒｏｃｅｓｓ邋Ｍｏｎｉｔｏｒｉｎｇ，邋ＭＳＰＭ）逡逑方法，其原理图如图１－３所示。其依托的主要理论包括主成分分析（Ｐｒｉｎｃｉｐａｌ逡逑Ｃｏｍｐｏｎｅｎｔ邋Ａｎａｌｙｓｉｓ，ＰＣＡ）、独立成分分析（Ｉｎｄｅｐｅｎｄｅｎｔ邋Ｃｏｍｐｏｎｅｎｔ邋Ａｎａｌｙｓｉｓ，逡逑ＩＣＡ）、偏最小二乘（Ｐａｒｔｉａｌ邋Ｌｅａｓｔ邋Ｓｑｕａｒｅｓ，邋ＰＬＳ）、典型变量分析（Ｃａｎｏｎｉｃａｌ逡逑Ｖａｒｉａｂｌｅ邋Ａｎａｌｙｓｉｓ，ＣＶＡ）、费舍尔判别分析（Ｆｉｓｈｅｒ邋Ｄｉｓｃｒｉｍｉｎａｎｔ邋Ａｎａｌｙｓｉｓ，ＦＤＡ）逡逑等为核心的ＭＳＰＭ方法。然而，复杂工业过程结构庞大，生产过程内部机理逡逑繁杂，运行数据在记录、传输过程中不可避免地含有各种噪声、测量误差及逡逑－５－逡逑
作为当前国际过程控制领域的研宄热点，质量相关故障诊断技术对于逡逑保障过程安全可靠、减少产品质量波动、实现优质高效起着重要的作用。逡逑图１－４列出了邋２０１０年１月１日至２０１８年１２月３１日间Ｗｅｂ邋ｏｆ邋Ｓｃｉｅｎｃｅ逡逑数据库搜索关键词邋“Ｑｕａｌｉｔｙ－ｒｅｌａｔｅｄ邋ｆａｕｌｔ邋ｄｉａｇｎｏｓｉｓ”、“Ｑｕａｌｉｔｙ－ｒｅｌｅｖａｎｔ邋ｆａｕｌｔ逡逑ｄｉａｇｎｏｓｉｓ”以及“Ｑｕａｌｉｔｙ邋ｍｏｎｉｔｏｒｉｎｇ”得到的统计结果。可以看出该领域的研逡逑宄热度持续增长，发表论文数量逐年递增，其中不乏ＩＥＥＥ会刊、Ｊｏｕｒｎａｌ邋ｏｆ逡逑Ｐｒｏｃｅｓｓ邋Ｃｏｎｔｒｏｌ、ＡＩＣｈＥ邋Ｊｏｕｒｎａｌ邋等顶级期刊。逡逑２５邋ｐｎ逦１逦１逦，逦１逦１逦，逦１逦逡逑＿逡逑２０１０逦２０１１逦２０１２逦２０１３逦２０１４逦２０１５逦２０１６逦２０１７逦２０１８逡逑Ｙｅａｒ逡逑图１－４质量相关故障诊断技术近年发表文章数量逡逑从取得的研究成果看，主要研宄方向包括基于多元线性回归（Ｍｕｌｔｉｐｌｅ逡逑Ｌｉｎｅａｒ邋Ｒｅｇｒｅｓｓｉｏｎ，邋ＭＬＲ）、ＰＬＳ、ＣＶＡ等方法为核心的质量相关故障检测技逡逑术，，以及基于贡献图、重构贡献图等方法为核心的质量相关故障辨识技术。逡逑ＭＬＲ方法主要通过研[偣瘫淞抗旒５谋浠捶治霾⒃谙呒嗖庾钪詹返腻义现柿壳榭觯冢校蹋佑牖冢茫郑恋姆椒ɡ嗨疲饕鹗窃诨袢⊥队胺藉义舷蚴
本文编号：2660338
【图文】：
在基于数据驱动的故障诊断的众多方法中，研宄论文和应用案例数量最逡逑多的是多元统计过程监控（Ｍｕｌｔｉｖａｒｉａｔｅ邋Ｓｔａｔｉｓｔｉｃａｌ邋Ｐｒｏｃｅｓｓ邋Ｍｏｎｉｔｏｒｉｎｇ，邋ＭＳＰＭ）逡逑方法，其原理图如图１－３所示。其依托的主要理论包括主成分分析（Ｐｒｉｎｃｉｐａｌ逡逑Ｃｏｍｐｏｎｅｎｔ邋Ａｎａｌｙｓｉｓ，ＰＣＡ）、独立成分分析（Ｉｎｄｅｐｅｎｄｅｎｔ邋Ｃｏｍｐｏｎｅｎｔ邋Ａｎａｌｙｓｉｓ，逡逑ＩＣＡ）、偏最小二乘（Ｐａｒｔｉａｌ邋Ｌｅａｓｔ邋Ｓｑｕａｒｅｓ，邋ＰＬＳ）、典型变量分析（Ｃａｎｏｎｉｃａｌ逡逑Ｖａｒｉａｂｌｅ邋Ａｎａｌｙｓｉｓ，ＣＶＡ）、费舍尔判别分析（Ｆｉｓｈｅｒ邋Ｄｉｓｃｒｉｍｉｎａｎｔ邋Ａｎａｌｙｓｉｓ，ＦＤＡ）逡逑等为核心的ＭＳＰＭ方法。然而，复杂工业过程结构庞大，生产过程内部机理逡逑繁杂，运行数据在记录、传输过程中不可避免地含有各种噪声、测量误差及逡逑－５－逡逑
作为当前国际过程控制领域的研宄热点，质量相关故障诊断技术对于逡逑保障过程安全可靠、减少产品质量波动、实现优质高效起着重要的作用。逡逑图１－４列出了邋２０１０年１月１日至２０１８年１２月３１日间Ｗｅｂ邋ｏｆ邋Ｓｃｉｅｎｃｅ逡逑数据库搜索关键词邋“Ｑｕａｌｉｔｙ－ｒｅｌａｔｅｄ邋ｆａｕｌｔ邋ｄｉａｇｎｏｓｉｓ”、“Ｑｕａｌｉｔｙ－ｒｅｌｅｖａｎｔ邋ｆａｕｌｔ逡逑ｄｉａｇｎｏｓｉｓ”以及“Ｑｕａｌｉｔｙ邋ｍｏｎｉｔｏｒｉｎｇ”得到的统计结果。可以看出该领域的研逡逑宄热度持续增长，发表论文数量逐年递增，其中不乏ＩＥＥＥ会刊、Ｊｏｕｒｎａｌ邋ｏｆ逡逑Ｐｒｏｃｅｓｓ邋Ｃｏｎｔｒｏｌ、ＡＩＣｈＥ邋Ｊｏｕｒｎａｌ邋等顶级期刊。逡逑２５邋ｐｎ逦１逦１逦，逦１逦１逦，逦１逦逡逑＿逡逑２０１０逦２０１１逦２０１２逦２０１３逦２０１４逦２０１５逦２０１６逦２０１７逦２０１８逡逑Ｙｅａｒ逡逑图１－４质量相关故障诊断技术近年发表文章数量逡逑从取得的研究成果看，主要研宄方向包括基于多元线性回归（Ｍｕｌｔｉｐｌｅ逡逑Ｌｉｎｅａｒ邋Ｒｅｇｒｅｓｓｉｏｎ，邋ＭＬＲ）、ＰＬＳ、ＣＶＡ等方法为核心的质量相关故障检测技逡逑术，，以及基于贡献图、重构贡献图等方法为核心的质量相关故障辨识技术。逡逑ＭＬＲ方法主要通过研[偣瘫淞抗旒５谋浠捶治霾⒃谙呒嗖庾钪詹返腻义现柿壳榭觯冢校蹋佑牖冢茫郑恋姆椒ɡ嗨疲饕鹗窃诨袢⊥队胺藉义舷蚴
本文编号：2660338
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2660338.html
