基于轨迹分析的工业过程建模与故障检测

发布时间：2017-12-14 16:04

  本文关键词：基于轨迹分析的工业过程建模与故障检测

  更多相关文章： 多变量统计过程监测 轨迹分析 动态过程 质量相关监测 数据缺陷

【摘要】：现代工业生产过程中,过程监测技术对于保证过程正常运行,提升产品质量有着重要的研究意义和实用价值。随着工业生产的复杂化和大规模化,过程的机理模型往往难以获得,而由于计算机技术的发展和集散控制系统的应用,从生产中采集到的过程数据越来越丰富,这些工业大数据中包含了大量与过程运行相关的重要信息。因此,如何从海量数据中提取过程特征和有效信息,并进一步实现过程建模和在线实时监测,成为了基于数据驱动的过程监测技术的研究热点。近几十年来,针对实际生产过程中的各种监测需求,在多变量统计过程监测领域涌现出了大量研究成果。传统的多变量统计方法往往基于过程数据的理想情况假设,因而在实际过程中的应用受到了限制。针对工业大数据的动态性、非线性、非高斯性和随机性等复杂特性,本文通过分析过程数据的变化轨迹,以过程的动态性为主要切入点,将批次过程和连续过程作为研究对象,解决过程监测技术在实际生产过程中面临的一系列问题。(1)针对批次过程的数据动态性和批次数据不等长等问题,提出了一种以轨迹分析为主要思想的动态建模和故障检测方法。通过局部差分计算构造轨迹向量,同时利用即时学习方法搜索并提取相似轨迹,实现在线多变量统计监测模型的更新和故障检测,改进了批次过程动态故障检测技术并解决了历史数据缺陷等问题。在实际应用过程中,由于基于轨迹向量的方法提取了过程的变化轨迹和趋势,对于动态过程有较好的故障检测效果,同时避免了数据不等长和数据缺失等问题对在线监测的干扰。(2)针对批次过程模态间过渡阶段的复杂数据特性,提出了一种基于局部轨迹分析和PLS-SVDD算法的过程建模和故障检测方法。由于批次过程模态间的过渡阶段数据特性十分复杂,除了包含强自相关性之外,还包含非高斯性和非线性等其他复杂特性。同时,由于该阶段的质量指标对于过程前后模态的正常运行有着重要的指导意义,因此对其进行质量相关的故障检测是十分必要的。为此,通过对局部数据轨迹和分布的分析辨识出过渡阶段并建立对应的PLS-SVDD模型,在利用回归模型实现质量相关的故障检测的同时,消除了数据非高斯性对统计量构造和故障检测的影响。在对批次过程进行全局故障检测时,通过对过渡阶段进行单独的局部建模和在线故障检测,可以使监测结果更为可靠。(3)针对批次过程监测中遇到的过程随机性和不确定性问题,提出了一种基于随机优化和轨迹分析的故障检测方法。考虑到过程的动态性以及质量相关故障检测的需求,以随机优化算法为主要思想,计算包含随机参数的最优历史质量轨迹作为故障检测的参照轨迹。与此同时,由于通过传感器采集到的历史数据可能包含缺失数据或面对总批次数较少的问题,引入bagging算法对历史数据进行重采样并构造出包含独立最优质量轨迹的多个监测子模型,并分别设计对应的统计量。在线监测阶段,通过将各个子模型的故障检测结果利用集成学习方法进行决策融合,最终实现质量相关的在线故障检测。通过引入随机优化的概念,在考虑过程动态性和质量相关故障检测等普遍问题的同时,消除了过程随机性和不确定性对故障检测的影响,相比传统方法在实际生产过程中有更好的监测效果和应用价值。最后,将本文提出的基于轨迹分析思想的故障检测方法与实际工业中的连续过程结合,并进行了效果验证。结果表明,该方法的实际监测效果较好,有着良好的应用价值。
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP274

【相似文献】

中国期刊全文数据库 前10条

1 徐力平,赵忠华,张炎华;导航传感器故障检测策略[J];上海交通大学学报;2002年07期

2 李新国,陈红英;基于H_∞估计的鲁棒故障检测[J];中国空间科学技术;2004年06期

3 李志生;张国强;刘建龙;;故障检测与诊断技术在暖通空调领域的应用和展望[J];流体机械;2006年06期

4 李姗姗;刘勇;潘成胜;;分布式故障检测技术在双独立互联系统中的应用[J];沈阳理工大学学报;2006年03期

5 颜秉勇;田作华;施颂椒;;非线性摄动时滞系统的H_∞/H_-鲁棒故障检测[J];上海交通大学学报;2008年02期

6 王傲胜;曹小荣;;故障检测综述[J];煤矿机械;2008年03期

7 唐菊琴;;计算机故障检测与定位[J];福建电脑;2011年06期

8 邹振宇;;计算机常见故障检测及维护[J];无线互联科技;2012年07期

9 陶仁骥;;组合电路的故障检测[J];电子计算机动态;1975年07期

10 叶银忠;潘日芳;蒋慰孙;;过程系统的在线故障检测、诊断和预报技术(一)[J];化工自动化及仪表;1988年02期

中国重要会议论文全文数据库 前10条

1 张汉国;;大系统的故障检测——随机情形[A];1993中国控制与决策学术年会论文集[C];1993年

2 周东华;;一种工业异步电机的在线故障检测与诊断新方法[A];1994年中国控制会议论文集[C];1994年

3 赵琦;周东华;;闭环系统的小故障检测与分离方法[A];第十九届中国控制会议论文集（二）[C];2000年

4 李福明;段广仁;;一种鲁棒故障检测与分离的参数化方法[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

5 王洪江;孙保民;田进步;;一种图形化的故障检测和诊断方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

6 彭涛;桂卫华;Ding Steven X;汤琼;李昊;;一种基于混合H_-/H_∞的故障检测系统优化设计方法[A];第二十七届中国控制会议论文集[C];2008年

7 魏晨;陈宗基;;非线性系统的鲁棒故障检测与诊断[A];第十九届中国控制会议论文集（二）[C];2000年

8 韩兵;陈新海;;随机参数最小均方滤波及其在飞行器故障检测中的应用[A];1995中国控制与决策学术年会论文集[C];1995年

9 葛彤;邓建华;;复杂动态系统故障检测与诊断的层次递进方法[A];1996中国控制与决策学术年会论文集[C];1996年

10 方华京;;控制系统故障检测的l~1优化方法[A];第十九届中国控制会议论文集（二）[C];2000年

中国重要报纸全文数据库 前5条

1 陈代寿;BFD高速路由故障检测[N];中国计算机报;2005年

2 涵薏;排除风电系统中的故障[N];上海科技报;2010年

3 上海 徐亚东;ADSL故障检测利器[N];电脑报;2004年

4 暴青雨　本报特约通讯员 赵彦斌;为了战时能打赢[N];解放军报;2011年

5 翟卫平;梁来润;为了航天员的生命安全[N];中国航天报;2003年

中国博士学位论文全文数据库 前10条

1 乔常明;故障检测与诊断方法研究及其在网络化系统中的应用[D];黑龙江大学;2015年

2 刘洋;鲁棒模型预测控制与基于数据重构的故障检测[D];天津大学;2015年

3 何雨辰;数据驱动的过渡过程建模与监测[D];浙江大学;2017年

4 沈非凡;基于轨迹分析的工业过程建模与故障检测[D];浙江大学;2016年

5 王红茹;动态系统的鲁棒故障检测与分离方法研究[D];哈尔滨工业大学;2006年

6 杨青;集合型故障检测与诊断技术研究[D];长春理工大学;2013年

7 张登峰;动态系统的故障检测与诊断研究[D];南京理工大学;2003年

8 李霄剑;鲁棒自适应故障检测与隔离方法研究[D];东北大学;2011年

9 马传峰;基于观测器的鲁棒H_∞故障检测问题研究[D];山东大学;2007年

10 周乐;基于概率的工业过程数据建模与故障检测[D];浙江大学;2015年

中国硕士学位论文全文数据库 前10条

1 张荷;基于PU学习的软件故障检测方法研究[D];西北农林科技大学;2015年

2 妥建军;一种配电网有源相间故障检测技术的研究[D];山东大学;2015年

3 郑茜予;基于主元分析的微小故障检测[D];华北电力大学;2015年

4 翟梦佳;基于数据的燃料电池典型非正常工况故障检测研究[D];哈尔滨工业大学;2015年

5 陈姣;基于子空间辨识方法的动态系统的故障检测与诊断[D];华中科技大学;2015年

6 吴翔;可实现任意可靠度的故障检测与切换系统模型研究[D];东华理工大学;2015年

7 楼嘉宇;基于机器学习的电弧故障检测算法研究[D];杭州电子科技大学;2015年

8 洪硕果;SDN网络的故障检测和恢复技术研究与实现[D];南京邮电大学;2015年

9 林圣才;基于核可预测元分析算法的故障检测与诊断[D];上海交通大学;2015年

10 冉永清;基于增量式核非负矩阵分解算法的数据流故障检测与诊断[D];上海交通大学;2015年

，

本文编号：1288490