參數(shù)慢時(shí)變現(xiàn)象廣泛存在于過程控制、故障診斷等領(lǐng)域,由于慢時(shí)變對(duì)象的廣泛性、復(fù)雜性以及從慢時(shí)變對(duì)象獲得信息的局限性,慢時(shí)變對(duì)象的辨識(shí)與在線校正問題已經(jīng)成為研究的熱點(diǎn)問題之一。因此,研究慢時(shí)變對(duì)象建模與在線校正問題具有重要的理論與實(shí)際意義。本文首先對(duì)時(shí)變系統(tǒng)建模算法和基于數(shù)據(jù)驅(qū)動(dòng)的過程監(jiān)測(cè)方法的研究現(xiàn)狀進(jìn)行了概述,并較為詳細(xì)地介紹了偏最小二乘（PLS）建模方法與主元分析（PCA）監(jiān)測(cè)理論。進(jìn)而本文針對(duì)慢時(shí)變對(duì)象的模型監(jiān)測(cè)問題展開研究,依據(jù)慢時(shí)變對(duì)象的模型特性,選取模型實(shí)際輸出與預(yù)測(cè)輸出的偏差以及偏差的變化做為PCA的監(jiān)測(cè)變量；并通過大量仿真實(shí)驗(yàn)提出了基于T2統(tǒng)計(jì)量變化信息的模型監(jiān)測(cè)判別方法。通過仿真實(shí)驗(yàn),驗(yàn)證了對(duì)于一般非線性慢時(shí)變對(duì)象,該監(jiān)測(cè)算法能夠在對(duì)象的模型誤差超限之前監(jiān)測(cè)到模型異常,從而為準(zhǔn)確有效地對(duì)模型進(jìn)行校正提供有利的條件。針對(duì)常規(guī)校正方法的滯后問題,基于對(duì)慢時(shí)變對(duì)象的模型監(jiān)測(cè)的結(jié)果,在模型的誤差達(dá)到閾值之前對(duì)模型進(jìn)行校正,從而提高了校正精度。同時(shí),為進(jìn)一步減少校正時(shí)間,通過提取相鄰兩次PLS建模之間的信息,提出了針對(duì)慢時(shí)變對(duì)象的校正向量和PLS校正相結(jié)合的模型校正方法。該方法利... 

【文章來源】：東北大學(xué)遼寧省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

常規(guī)PLS模型預(yù)測(cè)曲線

長(zhǎng)度w = 3、折息因子義=0.98，判斷條件：當(dāng)前的偏差的絕對(duì)值時(shí)，認(rèn)為對(duì)象參數(shù)發(fā)生變化，需要更新模型。其模型預(yù)測(cè)誤差曲線如圖2.3所示： 誤差0 12 - 誤差閾值1 I 0.1 ■ -1110 500 1000 1500 2000 2500 3000圖2.3折息塊式遞推PLS模型預(yù)測(cè)曲線Fig. 2.3 Predict curve of Blockwise RPLS model based on discount interest factor表2.1為以上兩種方法的預(yù)測(cè)誤差比較：表2.1模型預(yù)測(cè)誤差比較 Table 2.1 Predict error of PLS model — 建模算法 偏差絕對(duì)值的最大值 均方根誤差—常規(guī) PLS 0.1962 0.0712折息塊式遞推PLS 0.0862 0.0439通過以上仿真實(shí)例可以得到以下結(jié)論：相比于常規(guī)PLS,折息塊式遞推PLS能夠?qū)崟r(shí)有效的適應(yīng)對(duì)象的改變，做出更加精確的估計(jì)，跟蹤快、誤差小。2.2核偏最小二乘法前面介紹的PLS是在對(duì)象具有較強(qiáng)的線性關(guān)系的假設(shè)條件下應(yīng)用的，而實(shí)際的工業(yè)過程中，對(duì)象多是非線性的，且不容易近似為線性模型，所以引入核函數(shù)與PLS結(jié)合的核偏最小二乘法（KPLS)。2.2.1核函數(shù)在應(yīng)用統(tǒng)計(jì)領(lǐng)域，核函數(shù)是一種十分流行的曲線光滑擬合技術(shù)。核函數(shù)的概念起源于核估計(jì)量，而核估計(jì)的工作目標(biāo)是討論如何根據(jù)觀測(cè)數(shù)據(jù)集合，來近似估計(jì)數(shù)據(jù)總體的概率密度函數(shù)148]。核方法利用非線性變換將低維空間的樣本映射到高維特征空間，通過選取合?

常規(guī)KPLS模型預(yù)測(cè)曲線

【參考文獻(xiàn)】：
期刊論文
[1]指數(shù)加權(quán)動(dòng)態(tài)核主元分析法及其在故障診斷中應(yīng)用[J]. 姜萬(wàn)錄,吳勝?gòu)?qiáng),劉思遠(yuǎn).  機(jī)械工程學(xué)報(bào). 2011(03)
[2]基于數(shù)據(jù)和知識(shí)的工業(yè)過程監(jiān)視及故障診斷綜述[J]. 劉強(qiáng),柴天佑,秦泗釗,趙立杰.  控制與決策. 2010(06)
[3]基于多塊核主元分析的復(fù)雜過程的分散故障診斷(英文)[J]. 張穎偉,周宏,奏泗釗.  自動(dòng)化學(xué)報(bào). 2010(04)
[4]基于偏最小二乘的BP網(wǎng)絡(luò)模型及其應(yīng)用[J]. 劉瓊蓀,張艷粉.  重慶大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(07)
[5]遞歸核PCA及其在非線性過程自適應(yīng)監(jiān)控中的應(yīng)用[J]. 謝磊,王樹青.  化工學(xué)報(bào). 2007(07)
[6]基于遞推PLS的自適應(yīng)軟測(cè)量模型及其應(yīng)用[J]. 汪小勇,梁軍,劉育明,王文慶.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2005(05)
[7]核函數(shù)方法及其在過程控制中的應(yīng)用[J]. 王華忠,俞金壽.  石油化工自動(dòng)化. 2005(01)
[8]基于PLS模型的自適應(yīng)間歇過程質(zhì)量預(yù)測(cè)[J]. 李春富,ZHANG Jie,王桂增.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2004(10)
[9]折息遞推PLS算法及其在橡膠混煉質(zhì)量控制中的應(yīng)用[J]. 宋凱,王海清,李平.  化工學(xué)報(bào). 2004(06)
[10]應(yīng)用時(shí)變參數(shù)建模方法辨識(shí)時(shí)變模態(tài)參數(shù)[J]. 續(xù)秀忠,張志誼,華宏星,陳兆能.  航空學(xué)報(bào). 2003(03)

博士論文
[1]基于數(shù)據(jù)的間歇過程故障診斷及預(yù)測(cè)方法研究[D]. 王姝.東北大學(xué) 2010
[2]面向間歇發(fā)酵過程的多元統(tǒng)計(jì)監(jiān)測(cè)方法研究[D]. 劉世成.浙江大學(xué) 2008
[3]基于PLS的建模與控制技術(shù)在熱工過程中的應(yīng)用研究[D]. 王勇.華北電力大學(xué)（北京） 2008
[4]基于Hilbert-Huang變換的橋梁監(jiān)測(cè)信號(hào)分析與處理和時(shí)變模態(tài)參數(shù)識(shí)別[D]. 王學(xué)敏.中南大學(xué) 2008
[5]基于數(shù)據(jù)驅(qū)動(dòng)的流程工業(yè)性能監(jiān)控與故障診斷研究[D]. 郭明.浙江大學(xué) 2004

碩士論文
[1]HXD1型機(jī)車制動(dòng)系統(tǒng)故障在線診斷技術(shù)的研究與應(yīng)用[D]. 侯文明.中南大學(xué) 2010
[2]基于主元分析的工業(yè)過程故障診斷算法研究[D]. 李想.沈陽(yáng)大學(xué) 2010
[3]基于改進(jìn)OPLS間歇過程監(jiān)測(cè)、質(zhì)量預(yù)測(cè)及異常變量追溯[D]. 王金芬.東北大學(xué) 2009
[4]基于多階段MPCA方法的間歇過程監(jiān)測(cè)研究[D]. 張佳.北京化工大學(xué) 2009
[5]慢時(shí)變對(duì)象的支持向量機(jī)建模與在線校正方法研究[D]. 馮杰.東北大學(xué) 2009
[6]概率PCA多元統(tǒng)計(jì)方法在過程監(jiān)控中的應(yīng)用研究[D]. 楊沛武.江南大學(xué) 2008
[7]基于主元分析的電廠鍋爐故障檢測(cè)與診斷[D]. 朱孔偉.東南大學(xué) 2006



本文編號(hào)：3624038