針對(duì)不等長(zhǎng)間歇過(guò)程監(jiān)控中批次數(shù)據(jù)同步化未能充分挖掘局部信息的問(wèn)題,提出一種基于變量分組DTW-MCVA （VGDTW-CVA）的不等長(zhǎng)間歇過(guò)程故障檢測(cè)方法。首先,利用互信息矩陣描述不等長(zhǎng)間歇過(guò)程測(cè)量變量之間的相關(guān)性,并基于互信息矩陣進(jìn)行變量分組。然后利用DTW算法對(duì)各個(gè)變量組分別進(jìn)行同步化,并將同步化后的變量組整合為完整的三維數(shù)據(jù)集。最后,利用MCVA方法建立動(dòng)態(tài)監(jiān)控模型實(shí)現(xiàn)對(duì)間歇生產(chǎn)過(guò)程的在線監(jiān)控。盤(pán)尼西林發(fā)酵過(guò)程的仿真結(jié)果表明,VGDTW-MCVA能夠比基本的DTW-MCVA方法更好地監(jiān)控間歇過(guò)程故障。 

【文章來(lái)源】：化工學(xué)報(bào). 2019,70(09)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

批次-變量展開(kāi)方式Fig.2Batch-variableexpansionmode

?-1/2ss=UΣV(7)可得到J=UTΣ-1/2rrT=VTΣ-1/2ss(8)當(dāng)模型階次為k時(shí)，Jk為J的前k行，Tk為T(mén)的前k行。進(jìn)一步可以計(jì)算得到典型變量如下u=Jkr=UkTΣ-1/2rrrv=Tks=VkTΣ-1/2sss(9)MCVA方法通過(guò)構(gòu)造2個(gè)統(tǒng)計(jì)量進(jìn)行故障檢測(cè)，其表達(dá)式為T(mén)2=rTtJTkJkrtSPE=rTt(I-JTkJk)T(I-JTkJk)rt(10)圖2批次-變量展開(kāi)方式Fig.2Batch-variableexpansionmode圖1DTW算法原理示意圖Fig.1SchematicdiagramofDTWalgorithm··3443

?+0.5/100h斜坡干擾，監(jiān)控效果如圖5所示，檢出率及檢出時(shí)刻如表3、表4所示�？梢钥闯�，DTW-MCVA方法的T2和SPE統(tǒng)計(jì)量檢出率分別為94.63%和85.91%，VGDTW-MPCA方法中T2和SPE統(tǒng)計(jì)量檢出率分別為88.00%和78.67%，相較于上述兩種方法，VGDTW-MCVA方法的T2和SPE統(tǒng)計(jì)量檢出率分別提升至95.97%和91.95%。DTW-MCVA方法和VGDTW-MPCA方法的檢出時(shí)刻分別為第61個(gè)采樣點(diǎn)和第69個(gè)采樣點(diǎn)，VGDTW-MCVA方法的檢出時(shí)刻為第61個(gè)采樣圖3Pensim發(fā)酵過(guò)程流程圖Fig.3FlowdiagramofPensimfermentationprocess表1故障描述Table1Faultdescription故障123描述底物流加速率在100~400h施加+0.004/100h斜坡干擾通風(fēng)速率在100~400h施加+0.5/100h斜坡干擾攪拌速率在100~400h施加+3/100h斜坡干擾表2變量分組Table2VariableGrouping序號(hào)123變量號(hào)1、2、34、7、85、6、9、10··3445

【參考文獻(xiàn)】：
期刊論文
[1]基于多約束DTW的MPCA間歇過(guò)程監(jiān)測(cè)方法[J]. 高學(xué)金,黃夢(mèng)丹,王普,齊詠生.  北京工業(yè)大學(xué)學(xué)報(bào). 2018(03)
[2]基于多塊MICA-PCA的全流程過(guò)程監(jiān)控方法[J]. 王振雷,江偉,王昕.  控制與決策. 2018(02)
[3]基于變量子域PCA的故障檢測(cè)方法[J]. 王磊,鄧曉剛,徐瑩,鐘娜.  化工學(xué)報(bào). 2016(10)
[4]基于偏最小二乘算法的高維譜數(shù)據(jù)特征選擇[J]. 湯健,賈美英,劉卓,喬勇,趙立杰.  控制工程. 2015(06)
[5]Fault diagnosis and process monitoring using a statistical pattern framework based on a self-organizing map[J]. 宋羽,姜慶超,顏學(xué)峰.  Journal of Central South University. 2015(02)
[6]基于稀疏核主元分析的在線非線性過(guò)程監(jiān)控[J]. 趙忠蓋,劉飛.  化工學(xué)報(bào). 2008(07)
[7]Pensim仿真平臺(tái)在青霉素發(fā)酵過(guò)程的應(yīng)用研究[J]. 劉毅,王海清.  系統(tǒng)仿真學(xué)報(bào). 2006(12)
[8]基于改進(jìn)的MPCA與DTW方法及其在批過(guò)程故障診斷中的應(yīng)用[J]. 肖應(yīng)旺,徐保國(guó).  計(jì)算機(jī)與應(yīng)用化學(xué). 2005(05)
[9]基于MPCA與DTW的間歇反應(yīng)過(guò)程的性能監(jiān)視及故障診斷[J]. 李元,王綱,曹銳.  沈陽(yáng)化工學(xué)院學(xué)報(bào). 2003(04)
[10]基于可變多元統(tǒng)計(jì)模型的故障診斷方法[J]. 高翔,王綱,馬紀(jì)虎.  上海海運(yùn)學(xué)院學(xué)報(bào). 2001(03)



本文編號(hào)：3016257