發(fā)布時間：2020-04-26 00:55

【摘要】：隨著工業(yè)過程生產(chǎn)規(guī)模的不斷擴大,系統(tǒng)復雜性的日益提高,有效的故障診斷方法成為了保證工業(yè)生產(chǎn)安全和提高產(chǎn)品質(zhì)量的關(guān)鍵�；诮y(tǒng)計理論的方法作為故障診斷領(lǐng)域的主要方法之一,已經(jīng)受到了國內(nèi)外研究人員的廣泛關(guān)注并得到了較快的發(fā)展。該方法具有不需要建立系統(tǒng)精確數(shù)學模型的優(yōu)勢,主要依賴正常過程數(shù)據(jù)建立統(tǒng)計模型,從統(tǒng)計學角度對生產(chǎn)過程的安全性進行描述。然而,由于現(xiàn)代生產(chǎn)過程的復雜性與多樣性、傳感器的大量使用以及產(chǎn)品規(guī)格的改變等,會導致采集和存儲的過程數(shù)據(jù)具有不同的特性,如非高斯、非線性、多模態(tài)、多階段以及維數(shù)過高等,這通常會限制一些傳統(tǒng)方法的使用,導致故障診斷結(jié)果精度不高或產(chǎn)生誤檢測和誤診斷。因此,針對不同性質(zhì)的過程數(shù)據(jù),探索有效的故障檢測方法并保證檢測精度是該領(lǐng)域需要解決的重點問題。當檢測到過程中存在異�；蚬收蠒r,及時識別和定位故障根源,追溯各種故障發(fā)生時對應(yīng)的異常變量即“征兆”,建立精確的“故障-征兆”表并將其作為后續(xù)故障評價與決策時的可用知識庫,最終實現(xiàn)工業(yè)過程的智能化故障診斷是必要的,目前也成為該領(lǐng)域的研究熱點。本文在深入了解生產(chǎn)過程中的過程特性、數(shù)據(jù)特性以及傳統(tǒng)的基于統(tǒng)計理論故障診斷方法的基礎(chǔ)上,分別針對過程中不同的數(shù)據(jù)特性研究了一系列故障檢測方法;并根據(jù)變量推理、k-NN變量貢獻分析等知識研究了基于分布式主元分析與數(shù)據(jù)重構(gòu)的故障識別與定位方法,包含故障存在時異常變量的初步識別與精確定位。本文的研究內(nèi)容主要有以下幾個方面:(1)針對工業(yè)過程中數(shù)據(jù)的非高斯、非線性特性以及維數(shù)過高的問題,通過引入了動力系統(tǒng)中的擴散映射方法對過程數(shù)據(jù)進行非線性降維,并在擴散映射空間的基礎(chǔ)上研究了一種新的基于特征空間k近鄰(k Nearest Neighbor,k-NN)擴散距離的故障檢測方法。首先,通過分析原始數(shù)據(jù)點之間的內(nèi)在關(guān)系,將正常高維數(shù)據(jù)映射到能夠代表原始數(shù)據(jù)絕大多數(shù)信息的低維擴散空間;其次,使用擴散距離的近鄰法則尋找每個低維樣本點在特征空間中的前k個最近鄰樣本;再次,建立每個正常樣本的k近鄰距離統(tǒng)計量,采用適合處理非高斯數(shù)據(jù)的核密度估計方法計算正常模型的統(tǒng)計控制閾值,并對工業(yè)過程進行故障檢測。(2)針對工業(yè)過程數(shù)據(jù)具有的多模態(tài)特性問題,首先研究了一種基于加權(quán)k近鄰標準化(Weighted k Neighbor Standardisation,WKNS)策略的數(shù)據(jù)預處理方法。不同于傳統(tǒng)的z-score 和局部近鄰標準化(Local Neighborhood Standardisation,LNS)方法,WKNS 方法的原理是對正常數(shù)據(jù)集中每個樣本采用加權(quán)k近鄰均值和標準差進行標準化處理,其目的是將不同分布條件下的多模態(tài)或多工況數(shù)據(jù)轉(zhuǎn)化為近似服從同一分布或單峰高斯分布的數(shù)據(jù),抹除多模態(tài)數(shù)據(jù)中包含的多種分布特征,同時也不破壞變量之間的相互關(guān)系。隨后,將WKNS方法與傳統(tǒng)的主元分析(Principal Component Analysis,PCA)方法相結(jié)合,提出了一種新的WKNS-PCA方法對多模態(tài)過程進行故障檢測;該方法可以避免建模過程中建立多個模態(tài)模型,檢測過程中判斷新樣本屬于哪一個模型的情況,同時也大大提高了故障檢測精度。(3)針對過程中存在故障時的異常變量初步識別問題,研究了一種基于分布式主元分析(Distributed Principal Component Analysis,DPCA)和變量推理策略的故障診斷方法。在對工業(yè)過程檢測之前,首先使用相關(guān)變量選擇方法判別原始數(shù)據(jù)集中過程變量的歸屬并進行分布式建模;其次,確定每一個分布式模型的檢測控制閾值,并對新的樣本進行實時監(jiān)測,確定發(fā)生故障的子模型和無故障子模型;最后,根據(jù)變量推理策略并結(jié)合傳統(tǒng)的變量貢獻圖方法對過程中變量是否發(fā)生異常進行初步識別。該方法不僅可以確定過程中的正常變量,找到導致故障發(fā)生的主要責任變量,對于不能確定是否存在異常的變量也給出了初步判斷。(4)針對過程中存在故障時異常變量的精確識別以及如何準確建立“故障-征兆”表的問題,研究了一種基于k-NN變量貢獻分析和數(shù)據(jù)重構(gòu)的異常變量精確定位方法。首先,該方法將k-NN算法中各個采樣時刻的統(tǒng)計距離指標細化,分解為每個變量的貢獻并對其進行詳細分析,分別從單變量和多變量異常角度進行了方法的可行性驗證,確定過程故障時異常變量具有較大的貢獻值;其次,建立正常數(shù)據(jù)中每個變量的貢獻模型用于對故障樣本中的異常變量進行“一次”識別;隨后,分別對四種基于k-NN理論的數(shù)據(jù)重構(gòu)方法進行了研究,包括均值k-NN、k-1NN、加權(quán)k-NN和CNN(Center Nearest Neighbor)方法,并從重構(gòu)原理及精度方面進行了分析,驗證了 CNN方法在數(shù)據(jù)重構(gòu)方面具有一定的優(yōu)勢。對于故障樣本,先根據(jù)變量貢獻分析方法求取每個變量對距離指標的貢獻,“一次”識別出故障發(fā)生時所對應(yīng)的異常變量或征兆;進而通過CNN數(shù)據(jù)重構(gòu)方法對故障樣本中異常變量值進行重構(gòu)、檢測和“二次”識別,直至辨識出所有發(fā)生異常的變量;該方法進一步保證了辨識到的異常變量準確無誤,并得到故障與變量之間的關(guān)系,即“故障-征兆”表。
【圖文】：

邐１相關(guān)分析逡逑—Ｉ小波變換Ｉ逡逑圖１．２故障診斷方法分類示意圖逡逑Ｆｉｇ邋１．２邋Ｃｌａｓｓｉｆｉｃａｔｉｏｎ邋ｄｉａｇｒａｍ邋ｆｏｒ邋ｆａｕｌｔ邋ｄｉａｇｎｏｓｉｓ邋ａｐｐｒｏａｃｈｅｓ逡逑等價空間法：基于等價空間的故障診斷方法主要利用系統(tǒng)的解析數(shù)學模型建立系逡逑統(tǒng)輸入輸出變量之間存在的可以反映輸出變量之間靜態(tài)的直接冗余和輸入輸出變量之間逡逑動態(tài)的解析冗余的等價數(shù)學關(guān)系，然后通過檢驗實際系統(tǒng)的輸入輸出值是否滿足該等價逡逑關(guān)系，實現(xiàn)檢測和識別故障的目的［１６］。由于該方法在應(yīng)用時需要較多的冗余信息，過逡逑程中具有較多的過程變量（測量信號較多），，就會導致計算量過于繁瑣，不利于提取有效逡逑信息。另外，等價空間法在使用時若選擇低階的等價向量意味著在線實現(xiàn)較為簡單，但逡逑性能較差；選擇高階的等價向量雖然性能較好，但需要較大的計算量，而且容易導致錯逡逑誤的診斷結(jié)果［１６］。逡逑基于解析模型的故障診斷方法能夠深入系統(tǒng)本質(zhì)，可以有效量化過程的動態(tài)波逡逑動；其缺點是當系統(tǒng)模型未知、不準確或過程中具有非線性時

ｍｉｎ邋＋為異常樣本與訓練樣本之間的距離統(tǒng)計量；ｍｉｎ尤為正常樣本與訓練樣逡逑本之間的距離統(tǒng)計量�；冢耄危我�(guī)則的故障檢測方法通�？煞譃榻：凸收蠙z測階逡逑段，如圖２．１所示。逡逑⑴建模階段逡逑１）
【學位授予單位】：東北大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：F224

【參考文獻】

相關(guān)期刊論文 前10條

1 李元;劉亞東;張成;;基于擴散K近鄰距離的間歇過程故障診斷[J];控制理論與應(yīng)用;2015年12期

2 王國柱;劉建昌;李元;商亮亮;;加權(quán)κ最近鄰重構(gòu)分析的工業(yè)過程故障診斷[J];控制理論與應(yīng)用;2015年07期

3 李元;張新民;;基于非高斯信息的JITL軟測量模型[J];上海交通大學學報;2015年06期

4 李元;吳杰;王國柱;;k近鄰補值方法在工業(yè)過程故障診斷中的應(yīng)用[J];上海交通大學學報;2015年06期

5 郭小萍;袁杰;李元;;基于特征空間k最近鄰的批次過程監(jiān)視[J];自動化學報;2014年01期

6 解翔;侍洪波;;一種適用于多模態(tài)過程監(jiān)控的集成統(tǒng)計指標[J];華東理工大學學報(自然科學版);2012年04期

7 解翔;侍洪波;;多模態(tài)化工過程的全局監(jiān)控策略[J];化工學報;2012年07期

8 李晗;蕭德云;;基于數(shù)據(jù)驅(qū)動的故障診斷方法綜述[J];控制與決策;2011年01期

9 柴天佑;;生產(chǎn)制造全流程優(yōu)化控制對控制與優(yōu)化理論方法的挑戰(zhàn)[J];自動化學報;2009年06期

10 侯忠生;許建新;;數(shù)據(jù)驅(qū)動控制理論及方法的回顧和展望[J];自動化學報;2009年06期

本文編號：2640893