本文關(guān)鍵詞： 過程監(jiān)控 非線性非高斯 相關(guān)性分析 D-vine copulas　出處：《化工學(xué)報》2017年07期 　論文類型：期刊論文

【摘要】：過程監(jiān)控技術(shù)是保證現(xiàn)代流程工業(yè)安全平穩(wěn)運(yùn)行及產(chǎn)品質(zhì)量的有效手段。傳統(tǒng)的過程監(jiān)控方法大多采用維度約簡方法提取數(shù)據(jù)特征,且要求過程數(shù)據(jù)必須服從高斯分布、線性等限制條件,對復(fù)雜工況條件下發(fā)生的故障難以取得較好的檢測效果。因此,提出了混合D-vine copulas故障診斷模型,在不降維的情況下直接刻畫數(shù)據(jù)中存在的復(fù)雜相關(guān)關(guān)系,構(gòu)建過程變量的統(tǒng)計模型實現(xiàn)對存在非線性與非高斯性過程的精確描述。通過EM算法和偽極大似然估計優(yōu)化混合模型參數(shù),然后結(jié)合高密度區(qū)域(HDR)與密度分位數(shù)法等理論,構(gòu)建廣義貝葉斯概率(GBIP)指標(biāo)實現(xiàn)對過程的實時監(jiān)測。數(shù)值例子及在TE過程上的仿真結(jié)果說明了該混合模型的有效性及在故障檢測中的良好性能。
[Abstract]:Process monitoring technology is an effective means to ensure the safe and stable operation and product quality of modern process industry. Most of the traditional process monitoring methods use dimensionality reduction method to extract data features, and the process data must be distributed from Gao Si. It is difficult to obtain better detection results for faults under complex working conditions under linear and equal limiting conditions. Therefore, a hybrid D-vine copulas fault diagnosis model is proposed, which can directly depict the complex correlation in the data without reducing the dimension. The statistical model of process variables is constructed to accurately describe the nonlinear and non-#china_person0# processes. The mixed model parameters are optimized by EM algorithm and pseudo maximum likelihood estimation, and then combined with the theory of high density region (HDR) and density quantile method. The generalized Bayesian probabilistic GBIPs are constructed to realize the real-time monitoring of the process. Numerical examples and simulation results on te process show the effectiveness of the hybrid model and its good performance in fault detection.
【作者單位】： 華東理工大學(xué)化工過程先進(jìn)控制和優(yōu)化技術(shù)教育部重點(diǎn)實驗室;
【基金】：國家自然科學(xué)基金項目(21406064,21676086) 上海市自然科學(xué)基金項目(14ZR1410500)~~
【分類號】：TP277;TQ02

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王軍茹;王濤;王軍政;;基于壓力信號采集的輸氣管道混合模型的建立[J];北京理工大學(xué)學(xué)報;2014年01期

2 宋漢成;;天然氣輸氣管線的動靜態(tài)混合模型研究[J];上海煤氣;2007年02期

3 朱啟增;宋修本;;混合模型介紹及設(shè)立保護(hù)措施的挑戰(zhàn)(英文)[J];大連海事大學(xué)學(xué)報;2009年S1期

4 谷達(dá),谷寧;在結(jié)構(gòu)混合模型基礎(chǔ)上的放大新概念[J];國外醫(yī)藥(抗生素分冊);1996年03期

5 劉伯高,俞金壽,黃道,華向明;基于改進(jìn)混合模型的一類固定床反應(yīng)器推斷控制[J];華東理工大學(xué)學(xué)報;1998年04期

6 劉伯高,俞金壽,黃道,華向明;一類固定床反應(yīng)器基于改進(jìn)混合模型的推斷估計[J];華東理工大學(xué)學(xué)報;1998年03期

7 劉愛華;劉銀朋;程力;;三元混合模型在地下礦山涌水水源計算分析中的應(yīng)用[J];中南大學(xué)學(xué)報(自然科學(xué)版);2014年08期

8 尹華偉;易偉建;劉艷;;有限元-界面元混合模型及其應(yīng)用[J];湖南科技大學(xué)學(xué)報(自然科學(xué)版);2006年04期

9 許仙珍;謝磊;王樹青;;基于PCA混合模型的多工況過程監(jiān)控[J];化工學(xué)報;2011年03期

10 楊慧中,張素貞,陶振麟;聚丙烯腈質(zhì)量指標(biāo)軟測量混合模型的應(yīng)用[J];化工自動化及儀表;2002年06期

相關(guān)會議論文 前10條

1 沈樂君;;基于混合模型的多目標(biāo)實時跟蹤算法[A];2013體育計算機(jī)應(yīng)用論文集[C];2013年

2 紀(jì)琳;黃震宇;;中頻振動混合模型理論的應(yīng)用局限性分析[A];現(xiàn)代振動與噪聲技術(shù)（第九卷）[C];2011年

3 汪傳建;李曉光;王大玲;于戈;;一種基于混合模型的文本分類器的研究與實現(xiàn)[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

4 徐斌;馬盡文;;一種柯西混合模型上梯度型BYY和諧學(xué)習(xí)算法[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

5 蘭永紅;吳敏;佘錦華;;基于二維混合模型的最優(yōu)重復(fù)控制[A];第二十六屆中國控制會議論文集[C];2007年

6 張勝利;張沅;;混合模型方法對QTL的檢測及定位效果[A];生命科學(xué)與生物技術(shù)：中國科協(xié)第三屆青年學(xué)術(shù)年會論文集[C];1998年

7 馬凌;周江;王文鼐;;突發(fā)性業(yè)務(wù)流的Gamma泊松混合模型及排隊性能研究[A];中國通信學(xué)會第五屆學(xué)術(shù)年會論文集[C];2008年

8 沈文豪;聶大仕;謝菲;;氣升式內(nèi)環(huán)流反應(yīng)器的液相流動混合模型[A];第一屆全國化學(xué)工程與生物化工年會論文摘要集(上)[C];2004年

9 趙廣建;，

本文編號：1547176