基于多元统计分析的故障检测在化工过程中的应用

发布时间：2020-07-26 18:32

【摘要】：化工过程在工业生产中发挥着关键的作用,可以说它涉及到了人们生活的方方面面。近些年来,化学工艺生产设备的规模越来越大,相应的化工工艺也越来越复杂。在生产过程中系统各装置间可能存在耦合性,如果生产过程中突然发生异常情况,可能会因为连锁反应进而造成大型事故。在这种情况下,确保化学过程的安全稳定地进行就显得尤为关键。通过故障诊断技术提高化工过程的安全性和可靠性是一种安全且高效的途径。所以,用多元统计法判断系统是否存在故障有着相当重要的意义。本文不仅介绍了Tennessee-Eastman化工过程并对该过程的在线故障检测进行了建模与分析,而且详细地介绍了多元统计方法以及故障检测方法;基于多元平方预测误差法和Hotelling~#统计方法;通过贡献图进行故障识别的故障检测的基本原理。通过对TE过程的仿真应用,详细分析了利用主元分析法以及支持向量数据描述法进行故障诊断时的优缺点。由于主元分析不能应用于非线性和非高斯分布的复杂工业过程中,故考虑建立一种把PCA和SVDD两种方法结合的故障检测技术。它的思想是通过主元分析方法分解原始数据,并获得得分矩阵的信息。然后,通过SVDD法获得得分矩阵,计算关于距离的统计量,和其统计限。最后,通过TE过程的数据及仿真图验证了该算法确实能够提高故障检测率,并具有可行性。最后,由于实际的工业过程产生的数据会受较大的噪声污染,本文提出了基于小波去噪与PCA-SVDD相结合的故障检测方法,TE过程的实时仿真验证了该改进算法具有可行性,并且达到了预期的效果。
【学位授予单位】：辽宁石油化工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：O212.4;TP277;TQ021
【图文】：

主元分析,几何表示

并使其得到了广泛的应用[24]。由此常用于大规模，变化缓慢的稳态工业过程简单的例子来阐述 PCA 方法的核心思想。测量都采集两个传感器的数据，即变量，每一个数据都在如下的二维直角坐标系上描点大致分布在一个椭圆形内[25]。引起了样本点间的分布差异，如图 2.1 所示么它们的离散程度可以分别用和的方差在另一个分量中所包含的信息将被丢失。我表示系统原始数据。从几何角度考虑，可化成新的坐标轴y ，，旋转公式为： = + = +

流程图,主元分析法,故障检测,流程

14图 2.2 主元分析法的故障检测流程Fig.2.2 Fault detection process of principal component analysis.3 田纳西—伊斯曼过程1993 年，一个美国化学公司通过大量真实的化学实验，总结并开发了一个针对学工艺过程的仿真平台，就是著名的田纳西—伊斯曼（Tennessee Eastman, TE）过。TE 过程由多个操作单元构成，其中包括连续搅拌式反应釜、分凝器、汽提塔、

流程图,过程流程图

辽宁石油化工大学硕士学位论文气液分离塔、再沸器等，由于该过程产生的数据具有时变性、强耦合以及非线性等特征，被广泛地用于测试复杂工业过程的控制和故障检测中[31]。田纳西—伊斯曼过程的流程图如图 2.3 所示。

【参考文献】