基于KECA相似度的多阶段间歇过程故障监测及诊断算法研究

发布时间：2022-02-09 02:24

　　间歇生产过程是现代化工业的重要生产方式之一,被广泛应用于微生物发酵、基因工程制药、精细化工等小批量、多品种、高附加值产品的制造业中,具有重要的地位和作用。因此,保证间歇过程生产安全、低碳环保和其产品质量已成为人们日益关注的焦点。间歇过程普遍具有非线性、非高斯性、高斯性和多阶段性等特性,其生产过程操作的复杂度也远远高于连续过程,产品的质量极易受到设备、环境和原材料等外界条件的影响。为了保证生产过程的安全等,针对生产过程的监测及故障诊断技术逐渐受到了学术界和工业界的广泛重视。发酵生产过程是典型的间歇过程,针对发酵过程存在的多阶段、非线性等问题,本文具体研究的内容如下:（1）基于KECA相似度的阶段划分算法针对发酵过程的多阶段问题,提出基于KECA相似度的阶段划分算法,将青霉素发酵过程仿真数据预处理后划分为各个时间片矩阵,再按KECA的相似度指标将子时段划分为稳定子时段和过渡子时段,每个子时段内的时间片将具有相同的过程特性,可以将同一时段内的数据建立统一的模型。（2）基于KECA的发酵过程故障监测对每个时段的稳定阶段和过渡阶段分别建立KECA和滑动加权的KECA监测模型。基于KECA选取主元... 

【文章来源】：内蒙古工业大学内蒙古自治区

【文章页数】：53 页

【学位级别】：硕士

【部分图文】：

过程监测分类Fig.1-1Processmonitoringclassification

而多元统计方法在间歇过程监测中程的变量数据进行特征提取，获得有用的信息，在线监测，可以及时、准确地观察到故障的发生（Principal Component Analysis，PCA）[10,11]、独mponent Analysis，ICA）[12,13]、偏最小二乘方法（P上类型的方法主要以间歇过程的历史数据为基础，映射到低维空间，使得数目减少并且数据相互所得到的新数据与原始数据相比，其中包含绝大少，降低了计算的复杂性，而降噪问题可以通过。将得到的新变量建立监控故障的统计量。监控计算获得，通过将在线监测新数据进行计算所得障发生。基于多元统计监测方法可分为两个阶段对历史数据进行数据预处理，然后建立相应的监在线监测则是通过计算采样时刻数据点的统计量算的控制限进行比较，判断故障是否发生。如图

第二章 基于 KECA 相似度的阶段划分算法变量，一个操作周期里有K 个采样点。因(J×K)。若进行批次发酵生产过程，可,K 分别表示间歇发酵过程的批量数、变量型建立的时候，需将发酵过程的三维数据标准化处理，对三维数据进行处理从排有工程意义的展开方式为两种：第一种沿矩阵的列数，把其余的作为矩阵的行数，且起，因此得到二维矩阵 X( J KI)。第二种二维矩阵的列数，其余作为矩阵的行数，且因此得到二维矩阵 X(I×KJ)。如下图 2-1 和

【参考文献】：
期刊论文
[1]基于主元分析-概率神经网络的制冷系统故障诊断[J]. 梁晴晴,韩华,崔晓钰,谷波.  化工学报. 2016(03)
[2]基于KECA的化工过程故障监测新方法[J]. 齐咏生,张海利,高学金,王普.  化工学报. 2016(03)
[3]批次加权软化分的多阶段AR-PCA间歇过程监测[J]. 胡永兵,高学金,李亚芬,齐咏生,王普.  仪器仪表学报. 2015(06)
[4]基于改进重构贡献图的故障定位方法[J]. 郭小萍,杨猛,李元.  仪器仪表学报. 2015(05)
[5]基于多阶段动态PCA的发酵过程故障监测[J]. 齐咏生,王普,高学金,陈修哲.  北京工业大学学报. 2012(10)
[6]基于时段的间歇过程统计建模、在线监测及质量预报[J]. 赵春晖,王福利,姚远,高福荣.  自动化学报. 2010(03)
[7]动态系统的故障诊断技术[J]. 周东华,胡艳艳.  自动化学报. 2009(06)



本文编号：3616202