论文题目: 基于HMM的统计过程监控研究
论文类型: 博士论文
论文专业: 控制科学与工程
作者: 周韶园
导师: 王树青
关键词: 主元分析,小波变换,隐马尔可夫模型,移动时间窗口,统计过程监控
文献来源: 浙江大学
发表年度: 2005
论文摘要: 随着集散控制系统(DCS)在工业现场中的广泛应用以及测量技术不断提高,大量的过程数据被采集并存储下来。由于不需要建立过程机理模型,基于数据的过程监控方法近几年来成为过程控制领域的研究热点之一。理论上,过程数据包含任意时刻过程运行状况的完全描述,关键在于选择有效,方便的方法来提取和解释数据中的重要信息,从中不仅发现过程异常,而且还能分离出异常的根源。基于模式识别的过程监控方法主要由两步组成,第一步是从大量数据中提取过程特征信息;第二步使用分类器对过程特征信息进行匹配分类,检测和识别出过程中存在的故障。 本论文运用小波变换和主元分析(Principal Component Analysis,PCA)等方法对特征提取进行系统、深入的研究,基于隐马尔可夫模型(Hidden Markov Model,HMM)进行过程故障识别,提出一些新的过程监控和故障诊断方法,具体包括: 1.提出一种基于小波变换和PCA的两步特征提取方法。通过小波变换的多尺度分析,提取过程数据的局部时频信息;使用PCA消除数据之间的统计相关性,达到优化降维目的。与PCA方法相比,经过两步特征提取方法得到的主元特征序列能更好地表征过程运行状况的本质特征信息。 2.使用HMM构建主元特征序列的统计模型。采用HMM的混合高斯分布函数和状态转移概率分别描述主元特征序列的非高斯性以及序列相关性;CSTR过程的仿真结果表明,基于HMM构建的主元特征序列的统计模型能够准确描述数据中的本质特征信息。 3.使用HMM进行故障识别研究。首先,使用过程历史数据训练得到各种过程故障工况对应的HMM;然后,通过小波变换和PCA从测试数据中提取主元特征序列;最后,应用HMM对主元特征序列进行分类,识别出过程中存在的故障类型。Tennessee Eastman过程的仿真结果表明,这种方法能对过程中出现的各种故障进行准确的分类和识别。 4.提出一种基于HMM的过程监控方法。PCA等大多数统计监控方法假设过程数据服从独立同分布,这在实际应用中很难满足。由于HMM具有双重随机特性,它不仅能够表征数据的动态特性,而且对数据非高斯性也有很强的描述能力。因此基于HMM的过程监控方法不需对数据分布做上述假设。使用移动时间窗口截取过程动态数据,可避免PCA方法根据单一数据点进行过程监控所造成的数据信息不足缺陷,有利于提高故障检测和诊断的准确性。Tennessee Eastman过程的仿真结果表
论文目录:
摘要
ABSTRACT
致谢
第一章 绪论
1.1 引言
1.2 过程监控基本概念和方法分类
1.3 基于数据的过程监控研究现状
1.3.1 多变量统计过程控制方法
1.3.2 基于模式识别的过程监控方法
1.3.2.1 过程特征提取
1.3.2.2 模式识别技术
1.3.3 隐马尔可夫模型
1.4 本论文结构
第二章 基于小波变换和 PCA的两步特征提取方法
2.1 引言
2.2 过程数据特征分析
2.3 小波变换的基本思想
2.4 过程数据的多尺度分析
2.5 过程数据的奇异性分析
2.6 过程数据的优化降维
2.7 基于小波变换和 PCA的两步特征提取结构
2.8 小结
第三章 基于 HMM的数据统计建模研究
3.1 引言
3.2 隐马尔可夫模型基本理论
3.3 基于 HMM的过程数据统计建模
3.3.1 单一小波系数的概率模型
3.3.2 小波系数相关性的统计建模
3.3.3 基于 HMM的主元特征序列统计建模
3.4 小结
第四章 基于 HMM的故障识别研究
4.1 引言
4.2 基于 HMM的故障识别方法
4.3 TENNESSEE EASTMAN过程仿真平台
4.3.1 Tennessee Eastman过程描述
4.3.2 Tennessee Eastman过程的基本控制系统
4.4 TENNESSEE EASTMAN过程仿真实例
4.5 小结
第五章 基于 HMM的过程监控方法研究
5.1 引言
5.2 移动时间窗口技术
5.3 基于 HMM的过程监控方法
5.4 TENNESSEE EASTMAN过程仿真实例
5.5 小结
第六章 基于 HMM和 VMW的在线故障诊断方法研究
6.1 引言
6.2 变长度移动时间窗口
6.3 基于 HMM和 VMW的在线故障诊断方法
6.4 TENNESSEE EASTMAN过程仿真实例
6.5 小结
第七章 工作总结和研究展望
7.1 研究工作总结
7.2 研究展望
参考文献
个人简历
攻读博士学位期间发表的学术论文
发布时间: 2006-07-19
参考文献
- [1].工业过程监控：基于主元分析和盲源信号分析方法[D]. 陈国金.浙江大学2004
- [2].基于ICA-PCA方法的流程工业过程监控与故障诊断研究[D]. 何宁.浙江大学2004
- [3].多元统计过程监控若干问题研究[D]. 赵仕健.清华大学2005
- [4].基于统计学方法的过程监控与质量控制研究[D]. 赵旭.上海交通大学2006
- [5].面向过程监控的非线性特征提取方法研究[D]. 石向荣.浙江大学2014
- [6].基于KPLS的工业过程监测方法研究[D]. 胡益.华东理工大学2014
- [7].工业过程运行安全性能分析与在线评价的研究[D]. 叶鲁彬.浙江大学2011
- [8].基于统计理论的工业过程性能监控与故障诊断研究[D]. 许洁.南京航空航天大学2010
- [9].基于统计学方法的自适应过程监控与故障诊断[D]. 何小斌.上海交通大学2009
- [10].基于数据驱动技术的过程监控与优化方法研究[D]. 熊丽.浙江大学2008
相关论文
- [1].HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D]. 冯长建.浙江大学2002
- [2].基于数据驱动的流程工业性能监控与故障诊断研究[D]. 郭明.浙江大学2004
- [3].工业过程监控：基于主元分析和盲源信号分析方法[D]. 陈国金.浙江大学2004
- [4].基于ICA-PCA方法的流程工业过程监控与故障诊断研究[D]. 何宁.浙江大学2004
- [5].间歇过程统计性能监控研究[D]. 谢磊.浙江大学2005
- [6].基于HMM的时间序列聚类与识别[D]. 马赓宇.清华大学2004
- [7].多元统计过程监控若干问题研究[D]. 赵仕健.清华大学2005
- [8].动态过程数据的多变量统计监控方法研究[D]. 刘育明.浙江大学2006
- [9].基于PCA的统计过程监控研究[D]. 李荣雨.浙江大学2007
- [10].基于统计学方法的过程监控与质量控制研究[D]. 赵旭.上海交通大学2006