發(fā)布時(shí)間：2017-09-20 22:28

  本文關(guān)鍵詞：質(zhì)量相關(guān)的統(tǒng)計(jì)過程監(jiān)控和故障診斷方法研究

  更多相關(guān)文章： 質(zhì)量相關(guān)過程監(jiān)控 偏最小二乘投影 SOM網(wǎng)絡(luò)模型 全局與局部結(jié)構(gòu)保持 可視化監(jiān)控

【摘要】：隨著先進(jìn)的自動化、控制和優(yōu)化系統(tǒng)的出現(xiàn)和頻繁更新?lián)Q代,過程操作日益復(fù)雜化,過程監(jiān)控和故障診斷在現(xiàn)代化流程工業(yè)中顯得極其重要。由于質(zhì)量變量數(shù)據(jù)難以獲取或獲取費(fèi)用極其昂貴,使得大部分現(xiàn)場應(yīng)用的監(jiān)控技術(shù)以監(jiān)控過程變量的異常變化為主。但是在過程變量中當(dāng)檢測到一個(gè)故障發(fā)生時(shí),并不能揭露這個(gè)故障是否會影響到輸出質(zhì)量。生產(chǎn)的目的是產(chǎn)品的最終質(zhì)量指標(biāo),通過監(jiān)控整個(gè)過程所處的狀態(tài),進(jìn)而保證產(chǎn)品的生產(chǎn)質(zhì)量,因此,考慮與輸出質(zhì)量相關(guān)的測量變量,通過監(jiān)控對最終產(chǎn)品質(zhì)量輸出有影響的系統(tǒng)過程變量具有更加重要的現(xiàn)實(shí)意義。本文提出了一種新的質(zhì)量相關(guān)的全局和局部偏最小二乘投影算法(QGLPLS)來獲取質(zhì)量變量和過程變量之間的相關(guān)關(guān)系。QGLPLS的主要思想是融合局部保持投影(Locality Preserving Projections, LPP)和偏最小二乘(Partial Least Squares, PLS)的優(yōu)勢,提取有意義的低維結(jié)構(gòu)信息來表示高維過程變量和質(zhì)量數(shù)據(jù),能夠利用同時(shí)包含全局和局部信息的潛在幾何結(jié)構(gòu)來解釋包含過程變量和質(zhì)量變量測量值的采樣數(shù)據(jù)。眾所周知,PLS的統(tǒng)計(jì)監(jiān)控模型依據(jù)過程協(xié)方差最大化方向來尋找全局結(jié)構(gòu)變化信息卻不能很好地提取數(shù)據(jù)的局部鄰近結(jié)構(gòu)特征。LPP流形學(xué)習(xí)的方法恰好可以彌補(bǔ)這個(gè)缺陷,利用線性近似的方法來達(dá)到非線性映射的目的,同時(shí)保持系統(tǒng)的局部鄰接流形,但是LPP沒有考慮產(chǎn)品質(zhì)量中隱含的信息。QGLPLS構(gòu)建一個(gè)統(tǒng)一的優(yōu)化框架,也就是在過程變量和質(zhì)量變量空間使全局協(xié)方差最大化和局部鄰接結(jié)構(gòu)最小化,同時(shí)考慮過程變量和質(zhì)量變量的流形結(jié)構(gòu)和有效提取它們之間的相關(guān)關(guān)系并利用T2和SPE統(tǒng)計(jì)控制圖實(shí)施在線過程監(jiān)控�？紤]到上述研究中并不能提供相對更好的可視化圖形來進(jìn)行在線過程監(jiān)控和故障診斷,為此本文提出一種質(zhì)量相關(guān)的自組織特征映射(Self-organization Map, SOM)的可視化過程監(jiān)控和故障診斷的方法,先對難以測量的質(zhì)量變量利用QGLPLS進(jìn)行預(yù)測,然后將所有存儲的過程變量數(shù)據(jù)與預(yù)測的質(zhì)量變量數(shù)據(jù)進(jìn)行自組織特征映射,將高維數(shù)據(jù)投影到二維拓?fù)淇臻g,利用SOM較強(qiáng)的聚類能力及其可視化功能進(jìn)行故障診斷,并采用動態(tài)軌跡圖實(shí)施在線監(jiān)控,更好地協(xié)助操作人員對現(xiàn)場工況的進(jìn)行監(jiān)控。
【關(guān)鍵詞】：質(zhì)量相關(guān)過程監(jiān)控 偏最小二乘投影 SOM網(wǎng)絡(luò)模型 全局與局部結(jié)構(gòu)保持 可視化監(jiān)控
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP277
【目錄】：

• 摘要4-6
• ABSTRACT6-13
• 第一章 緒論13-25
• 1.1 課題的研究背景與意義13-14
• 1.2 故障診斷方法的研究現(xiàn)狀14-19
• 1.2.1 基于定性分析方法16-17
• 1.2.2 基于定量分析方法17-19
• 1.3 統(tǒng)計(jì)過程監(jiān)控方法19-21
• 1.4 質(zhì)量相關(guān)的統(tǒng)計(jì)監(jiān)控方法21-22
• 1.5 課題來源22
• 1.6 論文的結(jié)構(gòu)與內(nèi)容22-25
• 第二章 PLS和LPP統(tǒng)計(jì)監(jiān)控原理與仿真平臺介紹25-33
• 2.1 PLS統(tǒng)計(jì)監(jiān)控原理25-26
• 2.2 LPP統(tǒng)計(jì)監(jiān)控原理26-28
• 2.3 TE仿真平臺簡介28-31
• 2.4 本章小結(jié)31-33
• 第三章 質(zhì)量相關(guān)的全局-局部偏最小二乘投影監(jiān)控方法33-49
• 3.1 QGLPLS方法原理33-38
• 3.1.1 求解過程34-35
• 3.1.2 基于QGLPLS方法的監(jiān)控模型35-38
• 3.2 全局和局部保持能力分析38-40
• 3.3 TE過程仿真研究40-48
• 3.3.1 正常操作和異常操作建模40-42
• 3.3.2 監(jiān)控結(jié)果42-48
• 3.4 本章小結(jié)48-49
• 第四章 質(zhì)量相關(guān)的SOM可視化監(jiān)控方法49-75
• 4.1 SOM可視化原理49-52
• 4.2 質(zhì)量相關(guān)的SOM可視化監(jiān)控52-53
• 4.3 面向Iris數(shù)據(jù)集的SOM可視化分析53-56
• 4.4 TE仿真平臺驗(yàn)證56-72
• 4.4.1 兩類易檢測故障的研究56-60
• 4.4.2 包含難檢測故障的兩類故障的研究60-64
• 4.4.3 三類易檢測故障的研究64-68
• 4.4.4 包含難檢測故障的四類故障的研究68-72
• 4.5 本章小結(jié)72-75
• 第五章 總結(jié)與展望75-77
• 參考文獻(xiàn)77-81
• 致謝81-83
• 研究成果及發(fā)表的學(xué)術(shù)論文83-85
• 作者及導(dǎo)師簡介85-87
• 附件87-88

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張建明;趙忠蓋;劉飛;;一種多向CPLS方法及其在間歇過程監(jiān)控中的應(yīng)用[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

2 鄧曉剛;田學(xué)民;;稀疏核局部保持投影及其在非線性過程故障檢測中的應(yīng)用(英文)[J];Chinese Journal of Chemical Engineering;2013年02期

3 童楚東;顏學(xué)峰;;基于PCA與OLPP混合方法的化工過程故障檢測[J];計(jì)算機(jī)與應(yīng)用化學(xué);2012年09期

4 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

5 劉強(qiáng);柴天佑;秦泗釗;趙立杰;;基于數(shù)據(jù)和知識的工業(yè)過程監(jiān)視及故障診斷綜述[J];控制與決策;2010年06期

6 周東華;胡艷艷;;動態(tài)系統(tǒng)的故障診斷技術(shù)[J];自動化學(xué)報(bào);2009年06期

7 楊帆;蕭德云;;結(jié)構(gòu)殘差在基于SDG故障分離中的應(yīng)用[J];控制工程;2007年03期

8 邱天;丁艷軍;吳占松;;基于主元分析的故障可檢測性的統(tǒng)計(jì)指標(biāo)比較[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年08期

9 郭小萍;王福利;賈明興;;基于sub-MPLS的多階段間歇過程質(zhì)量預(yù)測與控制[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年S1期

10 趙瑾,申忠宇,顧幸生;基于定量模型故障診斷技術(shù)若干問題的研究[J];自動化儀表;2005年03期

，

本文編號：890781