基于多元统计分析的故障诊断与质量监测研究

发布时间：2017-09-29 10:43

  本文关键词：基于多元统计分析的故障诊断与质量监测研究

  更多相关文章： 故障诊断 质量监测 多元统计分析 比重因子 子空间分解 数据驱动

【摘要】：故障诊断与质量监测是保障工业生产过程安全性与产品高质量的重要技术支撑。与传统依赖数学模型或专家经验的故障诊断方法相比,数据驱动的多变量统计过程监测技术因仅需要正常运行情况下的离线和在线数据、以较成熟的多元统计分析方法为主要手段、适合工业过程多变量高度相关的特点等,而越来越受到工程界和学术界的重视,并已逐渐成为故障诊断领域的重大需求和研究热点。尽管人们将多元统计分析方法用于故障诊断领域已有很长时间,但是大量工作都是围绕怎么突破限制条件,改进现有方法以更好地适应实际过程；而对于一些本质问题,如不同过程变量的重要性和检测敏感性不同、主元分析(PCA)子空间分解对故障诊断结果的影响、以及偏最小二乘(PLS)子空间分解的有效性等方面仍未得到彻底研究。本文在前人工作的基础上,深入研究了多变量统计过程监测技术的几个根本问题,并针对不同的应用实际,提出多种有效的故障检测、诊断与质量监测方法：1.基于过程变量对质量变量的贡献度、过程变量对T2／Q检测指标以及PCA统计模型的影响能力,对过程变量进行细分,并给出一种设计相对主元分析(RPCA)中比重因子的方法。提高了重要不敏感变量的相对重要性和相对敏感度；降低了不重要敏感变量的相对重要性和相对敏感度；有助于提高重要变量的故障检测效果,进而改善质量预测性能。2.阐述了PCA子空间分解对故障检测能力的影响,在此基础上,建立一种基于特征值和特征向量元素划分子空间的原则。对残差子空间进行细分,提出一种基于PCA的多空间检测方法,提高了故障在残差子空间中的显著性,进而提高了微小故障的检测效果。进一步地,仅仅基于正常运行过程的历史数据,利用过程变量对潜变量的不同贡献度,建立一种基于PCA的多空间诊断方法,一定程度上实现了同时对微小故障的检测和诊断。3.针对具有时序特性的间歇过程,提出一种基于信息增量的模态划分和过程监测方法,有效改善了传统模态划分方法的不足,减弱了多PCA模型方法对于样本服从正态分布且模型不变的限制；针对具有无序模态且频繁切换的多模态过程,提出一种实时的联合故障检测方法,解决了“量体裁衣”的多模型方法常因难以即时地在线辨识模态导致难以即时地切换监测模型并采取适当方法进行监测的问题,进一步完善了多模态过程实时监测方法。4.面向质量相关的过程监测问题,在分析PLS子空间分解的有效性的基础上,建立了两种直接的潜空间投影方法。针对质量变量的主要变化由过程变量引起的情况,在对质量变量进行PCA分解的基础上,生成质量潜变量空间从而引导过程变量的分解;针对质量变量的部分变化由过程变量引起的情况,利用系统辨识方法求取质量预测值,对质量预测值进行PCA分解,并将其推广至非线性过程监测中。新方法不仅模型简单、计算代价较小而且取得了较好的效果。5.针对一类连续时间非均匀采样系统的故障检测问题,结合子空间辨识和等价空间技术,提出了一种仅基于输入输出数据直接设计残差产生器的方法,并用于故障检测,能够同时实现快速率残差产生和相应等价矩阵的降维。该方法不用辨识系统模型,在简化了设计过程的同时降低了计算量,也是对数据驱动故障诊断技术结合基于模型故障诊断技术方面进行了有益的探索和推动。论文利用数值仿真、田纳西东人过程(TEP)案例研究或青霉素发酵过程验证了所提出方法的有效性。最后,总结了本文的主要研究内容,并提出了作者所认为的本领域中亟待研究的若干挑战性课题。
【关键词】：故障诊断 质量监测 多元统计分析 比重因子 子空间分解 数据驱动
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：O212.4;TP277
【目录】：

• 致谢5-7
• 摘要7-9
• Abstract9-19
• 第一章 绪论19-35
• 摘要19
• 1.1 课题背景和研究意义19-21
• 1.2 故障诊断和质量监测概述21-24
• 1.3 本课题研究现状及发展动态分析24-31
• 1.3.1 基于PCA的过程监测24-28
• 1.3.2 基于PLS的质量监测28-30
• 1.3.3 基于多元统计分析的故障诊断30-31
• 1.3.4 结合解析模型的多元统计分析方法31
• 1.4 论文的主要贡献和章节安排31-34
• 1.5 本章小结34-35
• 第二章 一种确定相对主元分析中比重因子的方法35-51
• 摘要35
• 2.1 引言35-36
• 2.2 主元分析(PCA)、相对主元分析(RPCA)和偏最小二乘(PLS)36-40
• 2.2.1 主元分析(PCA)36-38
• 2.2.2 相对主元分析(RPCA)38-39
• 2.2.3 偏最小二乘(PLS)39-40
• 2.3 一种确定比重因子的方法40-47
• 2.3.1 基于PCA的故障检测40-42
• 2.3.2 比重因子的设计42-47
• 2.4 Tennessee Eastman过程案例研究47-49
• 2.5 结论49-51
• 第三章 多空间分解方法及其在微小故障诊断中的应用51-69
• 摘要51
• 3.1 引言51-52
• 3.2 子空间分解对PCA故障检测能力的影响分析52-56
• 3.3 基于PCA的多空间故障检测方法56-57
• 3.4 基于PCA的多空间故障诊断方法57-62
• 3.5 仿真62-66
• 3.5.1 数值例子62-64
• 3.5.2 TE过程64-66
• 3.6 本章小结66-69
• 第四章 多模态过程的故障检测方法研究69-97
• 摘要69
• 4.1 引言69-70
• 4.2 基于多PCA模型的故障检测方法70-73
• 4.3 基于信息增量的时段自动划分及批次过程监测73-82
• 4.3.1 信息增量73
• 4.3.2 基于时间片信息增量的模态划分73-76
• 4.3.3 基于局部数据信息增量的在线监测与故障诊断76-79
• 4.3.4 青霉素发酵过程中的应用研究79-82
• 4.4 多模态数据联合故障检测方法82-95
• 4.4.1 问题描述82-84
• 4.4.2 联合量纲标准化因子84-85
• 4.4.3 统一投影空间85-89
• 4.4.4 统一控制限89-90
• 4.4.5 联合主元分析90-92
• 4.4.6 多模态故障检测过程92
• 4.4.7 仿真研究92-95
• 4.5 本章小结95-97
• 第五章 直接潜变量空间投影方法及其在过程监控上的应用97-121
• 摘要97
• 5.1 引言97-99
• 5.2 T-PLS及其几何解释99-103
• 5.3 直接的潜变量空间分解方法103-113
• 5.3.1 第一种直接潜变量空间分解方法104-107
• 5.3.2 第二种直接潜变量空间分解方法107-108
• 5.3.3 仿真研究108-113
• 5.4 基于核质量潜结构投影的非线性过程质量监测方法113-119
• 5.4.1 KPLS建模114-115
• 5.4.2 质量变量的分解及监测115-117
• 5.4.3 TE过程案例研究117-119
• 5.5 本章小结119-121
• 第六章 非均匀采样数据驱动的快速率残差产生器直接设计方法121-133
• 摘要121
• 6.1 引言121-122
• 6.2 预备知识和问题描述122-127
• 6.2.1 非均匀采样模型122-126
• 6.2.2 等价空间方法126-127
• 6.2.3 问题描述127
• 6.3 主要结论127-131
• 6.3.1 辨识α~⊥_(f-1)和α~⊥_(f-1)H_(f-1,u)127-129
• 6.3.2 快速率残差信号的实现129-130
• 6.3.3 等价矩阵的降维130-131
• 6.4 仿真131-132
• 6.5 本章小结132-133
• 第七章 总结和展望133-137
• 摘要133
• 7.1 研究工作总结133-134
• 7.2 挑战与展望134-137
• 参考文献137-147
• 作者在攻读博士学位期间的科研成果147-

【相似文献】

中国期刊全文数据库 前10条

1 王成红;宋苏;孙长银;;基于数据的控制、决策、调度与故障诊断——第33届《双清论坛》在北京召开[J];中国科学基金;2009年01期

2 周建荣,平静;用于直流提升机监控和故障诊断的二级微机系统[J];河南师范大学学报(自然科学版);1990年03期

3 张志涌，杨祖樱;对故障诊断经典结论的思索[J];福州大学学报(自然科学版);1995年06期

4 王亚瑟;赵娜;;电站风机状态监测与故障诊断技术的研究[J];科技信息;2009年16期

5 蔡金锭,黄东泉;网络多层次分块故障诊断[J];福州大学学报(自然科学版);1993年01期

6 王云江;;故障诊断技术在机电设备运行管理中的实践应用[J];黑龙江科技信息;2014年05期

7 侯温良;机器的故障诊断[J];声学技术;1983年03期

8 王德明;;杆结构故障诊断中的一个实用算法[J];强度与环境;1991年04期

9 钟为俊;线性模拟电路支路故障诊断的传输矩阵算法[J];四川大学学报(自然科学版);1992年01期

10 孙乔;机械系统的状态监测与故障诊断综述[J];河南科技;1998年11期

中国重要会议论文全文数据库 前10条

1 鲍忠贵;白方周;;故障诊断的模型跟踪法[A];1996中国控制与决策学术年会论文集[C];1996年

2 高锋;高强;马涛;;旋转机械振动状态监测与故障诊断管理[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

3 张庆虎;高普云;;基于非线性动力学理论的故障诊断方法与进展[A];第18届全国结构工程学术会议论文集第Ⅲ册[C];2009年

4 赵剑伟;赵江;郭志新;;基于多传感器信息融合的故障诊断方法[A];2007'仪表，，自动化及先进集成技术大会论文集（一）[C];2007年

5 乔汉东;谭松涛;熊伟;;风机常见故障诊断技术[A];2008年全国炼铁生产技术会议暨炼铁年会文集（下册）[C];2008年

6 王丽英;方攸同;苏丽颖;刘宝友;;劣化系统的故障诊断和检测策略的综合研究[A];第二十六届中国控制会议论文集[C];2007年

7 陈宏;巩晓峗;王丽雅;雷文平;;全矢谱技术在旋转机械不对中故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

8 牛大鹏;刘海峰;贾明兴;王福利;;一种新的非线性主成分分析故障诊断[A];2006中国控制与决策学术年会论文集[C];2006年

9 叶大鹏;丁启全;吴昭同;;二维隐Markov模型的故障诊断方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

10 娄国焕;周媛;;基于模糊理论的故障诊断方法研究[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

中国重要报纸全文数据库 前10条

1 本报记者 陈晓煊　通讯员 沈甸;故障诊断有新招 抢修复电更高效[N];中国电力报;2014年

2 李继光;铡草机常见故障诊断及排除[N];云南科技报;2003年

3 武汉科技学院纺织服装学院 林子务;设备故障的诊断[N];中国纺织报;2004年

4 本报记者　 矫阳;铁路运行安全保护神[N];科技日报;2006年

5 曹百禹;我大型机组故障诊断技术发展迅速[N];中国石油报;2008年

6 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年

7 罗争鸣 徐兰山 罗浩;机车故障隐患实现“立体”诊断[N];科技日报;2006年

8 郭建国;盲目提高产品的技术含量不可取[N];中国工业报;2006年

9 本报记者 孙悦群;与天地对接 为飞船护航[N];黑龙江经济报;2006年

10 朱德恒 谈克雄;电气设备状态监测与故障诊断技术[N];中国电力报;2002年

中国博士学位论文全文数据库 前10条

1 向长城;基于可拓学的智能故障诊断与状态监测的理论及应用研究[D];重庆大学;2008年

2 刘应吉;车辆状态监测与故障诊断新方法研究[D];东北大学;2008年

3 胡友强;数据驱动的多元统计故障诊断及应用[D];重庆大学;2010年

4 高保禄;大型复杂机电设备分布式故障诊断方法研究[D];太原理工大学;2010年

5 曹玉苹;基于状态估计的石化过程故障诊断与预报方法研究[D];中国石油大学;2010年

6 李盘靖;远程协同故障诊断关键技术及其应用研究[D];西北工业大学;2006年

7 巩晓峗;基于全矢谱的非平稳故障诊断关键技术研究[D];郑州大学;2013年

8 侯俊剑;基于声像模式识别的故障诊断机理研究[D];上海交通大学;2011年

9 谭树彬;轧机厚控系统状态监测与故障诊断的研究与应用[D];东北大学;2006年

10 陈军;短信号分析技术及其在故障诊断中的应用[D];武汉理工大学;2003年

中国硕士学位论文全文数据库 前10条

1 李康力;双离合器自动变速器故障诊断及故障处理研究[D];重庆大学;2011年

2 谢倩;基于模糊Petri网的故障诊断系统的研究[D];长沙理工大学;2012年

3 贾林;基于多模型估计的转子典型故障诊断与参数识别方法研究[D];上海交通大学;2013年

4 刘春卫;改进支持向量机在故障诊断中的应用[D];华东理工大学;2014年

5 徐真;协整结构突变理论在系统状态监测与故障诊断中的应用[D];南京航空航天大学;2007年

6 王剑非;卫星姿态控制系统的故障诊断研究[D];南京航空航天大学;2008年

7 王勉宇;基于图论的过程故障诊断研究[D];浙江大学;2002年

8 张顺峰;大型减速机状态监测及故障诊断系统的研究[D];大连理工大学;2006年

9 吴建港;基于无线网络的远程智能故障诊断系统的研究[D];天津大学;2004年

10 张远;基于信息融合技术的故障诊断模型和方法研究[D];中南大学;2003年

本文编号：941566