【摘要】：隨著全球工業(yè)的持續(xù)發(fā)展,對(duì)工業(yè)生產(chǎn)過程的控制也變得越加重要,工業(yè)過程的機(jī)械化和智能化導(dǎo)致生產(chǎn)過程數(shù)據(jù)的海量化和多維化,那么怎么去篩選這些數(shù)據(jù)并使之簡(jiǎn)易化從而去更加有效的監(jiān)控生產(chǎn)過程成為目前工業(yè)過程監(jiān)控的一項(xiàng)難題�；谥髟治�(Principal Component Analysis,PCA)的多元統(tǒng)計(jì)方法被廣泛應(yīng)用于工業(yè)過程的故障診斷來改善工藝過程的質(zhì)量和生產(chǎn)率。但是基于PCA的監(jiān)測(cè)模型建立后是時(shí)間不變的,而大多數(shù)真正的工業(yè)過程是時(shí)間變化的。核主元分析(Kernel Principal Component Analysis,KPCA)方法可以利用非線性核函數(shù)以及積分算子較好地計(jì)算高維特征空間中的主成分,可以在線性狀態(tài)的情況下求解特征值問題。利用自適應(yīng)移動(dòng)窗口算法來進(jìn)行KPCA模型的重構(gòu)則能夠有效的更新特征值,較好的解決時(shí)變問題。本文在PCA和KPCA算法的基礎(chǔ)上,同時(shí)使用了一種可變移動(dòng)窗口算法,在對(duì)比了優(yōu)劣后,再結(jié)合田納西尹世曼(Tennessee Eastman,TE)過程研究了可變移動(dòng)窗口KPCA方法的監(jiān)控性能,主要研究?jī)?nèi)容和結(jié)論如下:1、介紹了移動(dòng)窗口算法的基本思想,并研究了一種自適應(yīng)移動(dòng)窗口算法,用于更新傳統(tǒng)的監(jiān)控模型,仿真實(shí)驗(yàn)表明,通過在移動(dòng)窗口算法中加入可變遺忘因子,能夠使移動(dòng)窗口不斷選擇最優(yōu)尺寸,避免了窗口過大或者過小導(dǎo)致的特征值和特征向量不具有代表性從而使跟蹤變化的效率較低或者不夠精確的問題。2、研究了一種新的可變移動(dòng)窗口KPCA方法。為了保持內(nèi)核矩陣具有足夠多的新樣本,可以通過移動(dòng)窗口來添加最新的樣本和丟棄最舊的樣本,然后再對(duì)移動(dòng)窗口的大小來進(jìn)行最優(yōu)選擇,從而大大提高了過程監(jiān)控的效率和精度。通過仿真實(shí)驗(yàn)驗(yàn)證,證明該方法是有效的。3、將可變移動(dòng)窗口KPCA方法用于TE化工過程監(jiān)控,結(jié)果表明:該方法能夠有效的提高TE化工過程中的特異值的提取效率,從而提高了整個(gè)化工過程監(jiān)控的良好率,降低了虛警率,證明該方法具有較高的準(zhǔn)確性和良好的縮放性,能有效提高工業(yè)過程監(jiān)控的效率。最后,通過總結(jié)全文,提出了基于可變移動(dòng)窗口KPCA方法在過程監(jiān)控中有待深入探討和研究的問題。
【圖文】：

1 緒論字即可判斷過程的運(yùn)行狀況，避免了直接監(jiān)控過程變量所產(chǎn)生的復(fù)雜操作。數(shù)據(jù)驅(qū)動(dòng)法主要包括神經(jīng)網(wǎng)絡(luò)、小波變換、控制圖法、主元分析法和偏最小二乘法等，如圖 1-1 所示。本文使用的是統(tǒng)計(jì)方法中的主元分析法（Principal Component Analysis ），， 其他還包括遞歸加權(quán)法（ Recursive Weighted，RW）、移動(dòng)窗口法（Moving Window，MW）等。

b）圖2 過程X的觀測(cè)值分別在二維平面和旋轉(zhuǎn)二維平面中的分布1.3.2 傳統(tǒng)的 PCA 監(jiān)控方法介紹基于 PCA 的多元統(tǒng)計(jì)方法被廣泛應(yīng)用于工業(yè)過程的過程監(jiān)控來改善工藝過程的質(zhì)量和生產(chǎn)率。PCA 的基本策略是提取線性結(jié)構(gòu),通過尋找新的主軸來獲得高維數(shù)據(jù)[6]。主元分析將數(shù)據(jù)系統(tǒng)分為兩部分，第一部分是變化較大的數(shù)據(jù)，第二部分是方差最小的有噪聲的數(shù)據(jù)。對(duì)于 PCA 在過程監(jiān)控中的運(yùn)用，主要使用由馬氏距離和歐氏距離代表的兩個(gè)統(tǒng)計(jì)數(shù)字對(duì)系統(tǒng)部分的變化以及各個(gè)嘈雜部分進(jìn)行檢測(cè)。一種異常情況將引起至少兩個(gè)指數(shù)中的一個(gè)超出控制范圍。自Karl Pearson 提出PCA 之后，PCA開始被大家關(guān)注。隨后，Jackso和Mudholka在PCA 中提出了T2檢驗(yàn)與Q 統(tǒng)計(jì)分析（或稱SPE 統(tǒng)計(jì)分析）并將PCA 應(yīng)用到多元統(tǒng)計(jì)過程控制中。隨著PCA理論的不斷發(fā)展和實(shí)踐，更多新的PCA方法被研究出來。沃爾德[ 1978 ]提出了一個(gè)方案，使用指數(shù)加權(quán)移動(dòng)概念來更新PCA和PLS（偏最小二乘）模型。新德里等[1997]描述了遞歸指數(shù)加權(quán)的PLS算法，即使用基于遞歸更新的協(xié)方差矩陣的PLS kernel算法
【學(xué)位授予單位】：廣東技術(shù)師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TQ02;TP277;O212.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳建民;移動(dòng)窗口方法評(píng)析[J];心理發(fā)展與教育;1999年01期

2 魯志萍;劉淵;;基于加權(quán)移動(dòng)窗口的入侵檢測(cè)算法研究[J];計(jì)算機(jī)應(yīng)用研究;2010年07期

3 華軍;;讓W(xué)indows 7不再自作聰明最大化窗口[J];電腦迷;2009年24期

4 陳秀娟;陳輝;朱青霞;陸峰;;伸縮移動(dòng)窗口的峰識(shí)別用于藥品拉曼光譜分析[J];中國(guó)臨床藥學(xué)雜志;2018年04期

5 李海斌;陽(yáng)建紅;石增強(qiáng);鐘建強(qiáng);;移動(dòng)窗口技術(shù)在復(fù)合材料局部應(yīng)力計(jì)算中的應(yīng)用[J];宇航材料工藝;2010年01期

6 馮陸春;杜燕;孟偉;;基于移動(dòng)窗口法的苗二河流域森林景觀格局分析[J];福建林業(yè)科技;2016年03期

7 黎展榮;陳朝暉;歐元漢;;基于移動(dòng)窗口的DEM河網(wǎng)提取[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

8 劉琦;劉世梁;趙清賀;王聰;鄧麗;楊玨婕;董世魁;;基于移動(dòng)窗口法的水電開發(fā)影響下景觀格局梯度分析[J];山地學(xué)報(bào);2012年05期

9 潘潔;李明詩(shī);;基于信息量的高分辨率影像紋理提取的研究[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

10 陳軍;王保軍;付軍;高曉軍;;基于可變移動(dòng)窗口方法估算太湖泥沙環(huán)流運(yùn)動(dòng)的本征尺度[J];水生態(tài)學(xué)雜志;2011年05期

相關(guān)會(huì)議論文 前3條

1 周群;孫素琴;詹達(dá)琦;尉志武;;移動(dòng)窗口二維相關(guān)光譜法的方法學(xué)研究[A];第十五屆全國(guó)分子光譜學(xué)術(shù)報(bào)告會(huì)論文集[C];2008年

2 付海燕;宦雙燕;徐路;唐麗娟;蔣健暉;吳海龍;沈國(guó)勵(lì);俞汝勤;;近紅外光譜結(jié)合移動(dòng)窗口偏最小二乘判別分析用于不同牛黃樣品的鑒別研究[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

3 郭軒;張曉偉;王美程;周羽;阮田;陳詠鋒;;基于多因子的城市農(nóng)業(yè)選址研究——以汕頭市澄海區(qū)為例[A];規(guī)劃60年：成就與挑戰(zhàn)——2016中國(guó)城市規(guī)劃年會(huì)論文集（13區(qū)域規(guī)劃與城市經(jīng)濟(jì)）[C];2016年

相關(guān)碩士學(xué)位論文 前3條

1 張建偉;基于可變移動(dòng)窗口的KPCA故障診斷方法在過監(jiān)控中的應(yīng)用[D];廣東技術(shù)師范大學(xué);2019年

2 孔令華;黃河中下游山地丘陵地區(qū)景觀異質(zhì)性研究[D];河南大學(xué);2013年

3 李曉航;艾比湖流域典型區(qū)域景觀格局與水化學(xué)特征空間關(guān)系研究[D];新疆大學(xué);2016年

本文編號(hào)：2699771