基于线性动态系统模型的过程监测研究

发布时间：2017-05-08 07:08

  本文关键词：基于线性动态系统模型的过程监测研究，由笔耕文化传播整理发布。

【摘要】：过程监测在保障生产安全、提高产品质量、减少故障损失和提升企业在国际市场中的竞争力方面发挥着重要的作用。计算机信息技术的迅速发展带来了大数据时代,这使得基于数据驱动的过程监测方法更是近年来流程工业领域的研究热点。但是,基于数据驱动的过程监测仍面临着许多问题,比如过程数据的特性越来越复杂。传统的基于数据驱动的过程监测方法大多只考虑单一的数据特性。本文同时针对过程数据的动态性和随机性,采用动态贝叶斯网络下的线性动态系统模型(LDSM)进行过程监测研究,具体包括：(1)针对过程数据的动态性和随机性,提出了一种基于切换的LDSM的故障分类方法和未知故障检测方法。本文提出了一种简便的近似学习算法用于建立切换的LDSM,然后采用高斯和滤波方法实现在线故障分类。考虑到工业生产过程中偶尔会出现之前从未遇到过的故障,提出了基于切换的LDSM的未知故障检测方法,主要是通过构建阈值统计量来检测未知故障。(2)考虑到质量变量可能含有重要的过程信息,提出了一种基于有监督LDSM的故障检测方法和基于切换的有监督LDSM的故障分类方法。本文将LDSM扩展成有监督LDSM,并且推导出了用EM算法建立有监督LDSM的详细过程。然后采用新的高斯和滤波方法估计隐变量分布,最后建立T2统计量实现在线故障检测。同样的,在质量变量可获得的条件下,为了取得更好的故障分类效果,提出了基于切换的有监督LDSM的故障分类方法。最后,总结全文的研究内容,对线性动态系统模型在过程监测领域的进一步研究做了展望。
【关键词】：动态性 随机性 线性动态系统模型 质量变量 故障检测 故障分类
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP277
【目录】：

• 摘要5-6
• Abstract6-13
• 第一章 绪论13-23
• 1.1 课题背景和研究意义13-14
• 1.2 过程监测的研究内容和研究方法14-17
• 1.2.1 过程监测的基本概念14-15
• 1.2.2 过程监测的主要方法15-17
• 1.3 基于线性动态系统模型的过程监测研究现状17-20
• 1.3.1 基于数据驱动的过程监测存在的问题17-19
• 1.3.2 过程数据动态性和随机性的研究19-20
• 1.3.3 线性动态系统模型的发展现状20
• 1.4 本文研究内容和创新点20-21
• 1.4.1 本文研究内容20
• 1.4.2 章节内容及研究创新点20-21
• 1.5 本章小结21-23
• 第二章 基本方法介绍23-35
• 2.1 引言23
• 2.2 概率主元分析和概率主元回归23-27
• 2.2.1 主元分析23-24
• 2.2.2 概率主元分析——主元分析的概率扩展24-25
• 2.2.3 概率主元回归——概率主元分析的有监督扩展25-27
• 2.3 费舍尔判别分析27-28
• 2.4 支持向量机28-29
• 2.5 隐马尔可夫模型29-30
• 2.6 线性动态系统模型30-33
• 2.7 本章小结33-35
• 第三章 基于切换的线性动态系统模型的故障检测和分类35-49
• 3.1 引言35-37
• 3.2 切换的线性动态系统模型37-39
• 3.2.1 模型形式37-38
• 3.2.2 切换的线性动态系统模型的参数估计38-39
• 3.3 基于切换的线性动态系统模型的故障分类方法39-41
• 3.4 基于切换的线性动态系统模型的未知故障检测方法41-42
• 3.5 TE过程仿真研究42-48
• 3.5.1 已知故障分类42-47
• 3.5.2 未知故障检测47-48
• 3.6 本章小结48-49
• 第四章 基于有监督线性动态系统模型的故障检测和分类49-69
• 4.1 引言49-50
• 4.2 有监督线性动态系统模型50-56
• 4.2.1 模型形式50-51
• 4.2.2 有监督线性动态系统模型的参数估计51-56
• 4.3 切换的有监督线性动态系统模型56-57
• 4.4 基于有监督线性动态系统模型的故障检测方法57-58
• 4.5 基于切换的有监督线性动态系统模型的故障分类方法58-60
• 4.6 TE过程仿真研究60-68
• 4.6.1 故障检测60-65
• 4.6.2 故障分类65-68
• 4.7 本章小结68-69
• 第五章 总结和展望69-73
• 5.1 研究工作总结69-70
• 5.2 研究工作展望70-73
• 参考文献73-77
• 致谢77-78
• 个人简历78-79
• 攻读硕士学位期间发表的学术论文79-80
• 攻读硕士学位期间参加的科研项目80

【参考文献】

中国期刊全文数据库 前3条

1 李晗;萧德云;;基于数据驱动的故障诊断方法综述[J];控制与决策;2011年01期

2 杨沛武;刘飞;;基于动态概率主元分析的统计过程监测[J];计算机与应用化学;2008年04期

3 谢磊;张建明;王树青;;Investigation of Dynamic Multivariate Chemical Process Monitoring[J];Chinese Journal of Chemical Engineering;2006年05期

中国重要会议论文全文数据库 前1条

1 夏丽莎;方华京;罗贞;;基于隐马尔可夫模型的故障诊断与预报综述[A];第25届中国控制与决策会议论文集[C];2013年

中国博士学位论文全文数据库 前1条

1 文巧钧;基于状态空间模型的复杂动态过程监测方法研究[D];浙江大学;2015年

  本文关键词：基于线性动态系统模型的过程监测研究，由笔耕文化传播整理发布。

，

本文编号：350671