【摘要】：隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和現(xiàn)代化工裝置的大型化,化工生產(chǎn)中通常會(huì)得到大量的過(guò)程監(jiān)測(cè)數(shù)據(jù)。如何快速有效地從這些大數(shù)據(jù)中提取出故障特征進(jìn)行過(guò)程監(jiān)控來(lái)確保生產(chǎn)過(guò)程的安全穩(wěn)定,已成為新的研究熱點(diǎn)。為此本文提出了一種基于信息熵和傳遞熵的化工過(guò)程故障診斷方法。首先,采用相關(guān)信息熵建立復(fù)雜化工過(guò)程監(jiān)測(cè)模型。計(jì)算實(shí)時(shí)工況與正常工況之間的相關(guān)信息熵殘差,當(dāng)殘差超過(guò)閾值,判斷為非正常工況。由于只需要對(duì)強(qiáng)相關(guān)變量進(jìn)行監(jiān)測(cè)計(jì)算,因此提高了監(jiān)測(cè)效率。然后,對(duì)非正常工況,利用信息熵能夠衡量任意數(shù)據(jù)關(guān)系的特點(diǎn)對(duì)過(guò)程數(shù)據(jù)進(jìn)行特征提取,去除冗余變量,提高故障診斷準(zhǔn)確度。再引入傳遞熵對(duì)變量之間的傳遞關(guān)系分析,利用傳遞熵的單向性得到故障傳播路徑,用以描述故障的發(fā)生機(jī)理。同時(shí)提取故障傳播路徑中變化靈敏的變量作為故障的特征變量并設(shè)置報(bào)警值,由于特征變量和故障根本原因是一一對(duì)應(yīng)的,因此結(jié)合特征變量報(bào)警的先后順序建立故障根本原因-故障特征變量數(shù)據(jù)庫(kù)。在線監(jiān)測(cè)中,當(dāng)監(jiān)測(cè)到非正常工況時(shí),通過(guò)與上述建立的故障診斷數(shù)據(jù)庫(kù)中特征變量報(bào)警組比對(duì),辨識(shí)出故障類型,即診斷出故障根本原因。最后,以田納西-伊斯曼(Tennessee Eastman,TE)化工過(guò)程為應(yīng)用實(shí)例,研究結(jié)果表明,采用相關(guān)信息熵能夠快速、有效地對(duì)復(fù)雜化工過(guò)程進(jìn)行實(shí)時(shí)非正常工況監(jiān)測(cè),基于信息熵和傳遞熵方法建立的故障根本原因-故障特征變量數(shù)據(jù)庫(kù)能夠?yàn)椴僮魅藛T和管理人員提供可靠的故障診斷決策依據(jù),識(shí)別出故障根本原因。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TQ050.7
【圖文】：

逡逑為０，標(biāo)準(zhǔn)差為１的正態(tài)分布函數(shù)（如圖２－２）為研究實(shí)例。逡逑邐正態(tài)分布逡逑．／Ａ逡逑ｇ．邐／邐＼逡逑Ｖ邋＼逡逑Ｉ邐Ｉ邐■邐Ｉ邐■邐Ｉ邐１逡逑－２－１０１２逡逑圖２－２標(biāo)準(zhǔn)正態(tài)分布逡逑首先，在區(qū)間［－２，２］中分別選�。玻�、１０００、１００００個(gè)樣本，觀察樣本數(shù)量對(duì)于概逡逑率密度估計(jì)結(jié)果的影響。然后通過(guò)在同一樣本數(shù)中選取不同窗寬［０．０５、０．１、０．２、０．５、逡逑０．６、２、１０、２０、１．０６ｘｓｔｄ（Ｘ）ｘＴ＼Ｔａ２］（邋ｓｔｄ表示樣本Ｘ的標(biāo)準(zhǔn)差，７Ｖ表示樣本數(shù)量）逡逑探尋窗寬大小對(duì)于概率密度估計(jì)的影響。逡逑當(dāng)樣本數(shù)為２０時(shí)，不同窗寬的概率密度曲線如圖２－３所示。由圖２－３邋（ａ）可以逡逑看出，窗寬越小概率密度曲線波動(dòng)越頻繁，波動(dòng)的幅度越大；由圖２－３邋（ｂ）可以看逡逑出，概率密度曲線的波動(dòng)隨著窗寬的增大而消除，形成一條光滑的曲線；從圖２－３（ｃ）、逡逑可以看出，當(dāng)窗寬過(guò)大時(shí)，概率密度曲線會(huì)變得平坦。逡逑，？邋ａ邐邐窗寬０．０５逡逑．＿邐．邐…窗寬０．１逡逑

－２－１０１２逡逑圖２－３邋＃＝２０時(shí)不同窗寬的概率密度曲線逡逑當(dāng)樣本數(shù)為１０００時(shí)，不同窗寬的概率密度曲線如圖２－４所示。從圖２－４邋（ａ）可逡逑以看出窗寬越小波動(dòng)得越頻繁，波動(dòng)的幅度越大。但是與圖２－３邋（ａ）相比波動(dòng)的頻逡逑率變少，幅度變�。粡膱D２－４邋（ｂ）可以看出波動(dòng)隨著窗寬的增大而消除，形成一條逡逑光滑的曲線；從圖２－４邋（ｃ）可以看出當(dāng)窗寬過(guò)大時(shí)，曲線會(huì)變得平坦。窗寬越大，逡逑曲率越小，峰值會(huì)變得越小。逡逑１４逡逑

逡逑當(dāng)樣本數(shù)為１００００時(shí)，不同窗寬的概率密度曲線如圖２－５所示。從圖２－５邋（ａ）可逡逑以看出窗寬越小波動(dòng)得越頻繁，波動(dòng)的幅度越大。但是與圖２－３邋（ａ）和圖２－４邋（ａ）逡逑相比波動(dòng)的頻率變少，幅度變小，說(shuō)明樣本數(shù)的增加會(huì)減少窗寬過(guò)小的影響；從圖逡逑２－５邋（ｂ）可以看出波動(dòng)隨著窗寬的增大而消除，形成一條光滑的曲線；從圖２－５邋（ｃ）逡逑可以看出當(dāng)窗寬過(guò)大時(shí)，曲線會(huì)變得平坦，但是與圖２－３邋（ｃ）和圖２－４邋（ｃ）相比沒(méi)逡逑有明顯變化，說(shuō)明當(dāng)窗寬過(guò)大時(shí)，樣本數(shù)對(duì)于結(jié)果不產(chǎn)生顯著影響。由上述研宄結(jié)逡逑果表明樣本數(shù)的增多會(huì)降低窗寬過(guò)小的影響，因此應(yīng)該盡可能選取足夠多的樣本數(shù)。逡逑同時(shí)避免選取過(guò)大的窗寬，這樣才能降低窗寬取值對(duì)于概率密度估計(jì)結(jié)果的影響。逡逑ａ邐……窗寬０．０５逡逑０．４－邐…窗橈邋１６８逡逑ｌｉｆｅ逡逑０

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙學(xué)智;陳統(tǒng)堅(jiān);葉邦彥;;奇異值分解對(duì)連續(xù)Morlet小波變換的壓縮和提純[J];機(jī)械工程學(xué)報(bào);2015年16期

2 劉其洪;廖弘毅;;旋轉(zhuǎn)機(jī)械振動(dòng)故障診斷專家系統(tǒng)[J];計(jì)算機(jī)測(cè)量與控制;2014年12期

3 葉菲;羅軍;高興榮;周杰;;基于滑動(dòng)窗寬的非參數(shù)變寬直方圖方法研究[J];現(xiàn)代防御技術(shù);2014年02期

4 孫賢昌;田學(xué)民;張妮;;一種基于GMM的多工況過(guò)程故障診斷方法[J];計(jì)算機(jī)與應(yīng)用化學(xué);2014年01期

5 高東;許欣;馬昕;張貝克;;基于符號(hào)有向圖與趨勢(shì)分析的故障診斷框架[J];計(jì)算機(jī)工程與應(yīng)用;2014年13期

6 王雅琳;何巍;桂衛(wèi)華;陽(yáng)春華;;基于多塊KPCA和SDG的故障診斷方法[J];控制與決策;2013年10期

7 任偉建;王重云;康朝海;王天任;;基于神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的故障診斷技術(shù)[J];電氣應(yīng)用;2013年15期

8 劉晗;張慶;孟理華;楊凱;徐光華;;基于Parzen窗估計(jì)的設(shè)備狀態(tài)綜合報(bào)警方法[J];振動(dòng)與沖擊;2013年03期

9 謝中凱;劉國(guó)華;吳志根;;基于傳遞熵的梁結(jié)構(gòu)損傷動(dòng)力識(shí)別[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2012年10期

10 張玉良;張貝克;馬昕;;基于定性仿真的間歇過(guò)程誤操作后果分析[J];化工學(xué)報(bào);2012年01期

本文編號(hào)：2763536