基于PCA及其扩展方法的过程监控技术研究

基于PCA及其扩展方法的过程监控技术研究

论文摘要

工业生产的过程监控一直是流程工业系统关注的主要问题之一。它通过监测生产过程的运行状态,及时检测故障发生、过程干扰以及其它的异常工况,定位并诊断引发故障的原因变量,从而保证生产过程安全运行,提高产品质量和生产效率。目前,随着分布式工业控制计算机系统(DCS)和各种智能化仪表、控制设备在工业过程中的广泛应用,大量的过程数据被及时采集和存储,如何充分利用这些数据的深层次信息,提高过程监控能力,正是现今过程监控领域亟待解决的问题,这也就促进了统计过程监控技术的研究与发展。本文主要着重于过程监控中的多变量统计过程监控这一方面的研究,在研究了统计过程监控现状及发展趋势的基础之上,以主元分析(Principle Component Analysis,PCA)为主线,化工过程为背景,针对PCA、动态PCA(Dynamic Principle Component Analysis,DPCA)、多尺度PCA (Multiscale Principle Component Analysis,MSPCA)的不足,本文提出了一种新的基于多尺度动态PCA(Multiscale Dynamic Principle Component Analysis,MSDPCA)的统计过程监控改进算法。本方法通过对滞后系数的计算将测量数据矩阵推广到增广数据矩阵,再利用小波的多尺度特性对测量变量增广后的矩阵进行多尺度分析,这样可同时解决测量变量既带有时序自相关性又存在多尺度特性的情况。并将所提出的基于MSDPCA的监控方法应用于数值仿真研究和TE过程仿真研究,大量监测结果表明了基于MSDPCA的监控方法的可行性和有效性,在故障发生时,能准确的、及时的监测到故障发生的时刻,并有效的降低了误报警,较好的监控系统的运行,更进一步扩展了传统PCA监控方法的应用场合。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 过程监控的研究对象
  • 1.2 过程监控方法分类
  • 1.2.1 基于解析模型的方法
  • 1.2.2 基于信号处理的方法
  • 1.2.3 基于知识的方法
  • 1.2.4 基于统计数据的方法
  • 1.3 统计过程监控的研究现状
  • 1.3.1 单变量过程统计方法
  • 1.3.2 多变量过程统计方法
  • 1.4 本文主要内容及章节安排
  • 第2章 基于PCA 的过程监控方法应用与研究
  • 2.1 基本PCA 方法
  • 2.1.1 PCA 的几何意义
  • 2.1.2 PCA 的计算方法
  • 2.2 过程监控策略
  • 2.2.1 正常过程主元模型的获得
  • 2.2.2 Q统计量
  • 2 统计量'>2.2.3 T2统计量
  • 2.2.4 贡献图
  • 2.3 仿真实验研究
  • 2.3.1 多变量自回归过程实验研究
  • 2.3.2 TE 过程实验研究
  • 2.4 本章小结
  • 第3章 基于DPCA 的过程监控方法应用与研究
  • 3.1 PCA 的动态局限
  • 3.2 动态主元分析(DPCA)基本原理
  • 3.3 仿真实验研究
  • 3.3.1 多变量自回归过程实验研究
  • 3.3.2 TE 过程实验研究
  • 3.4 本章小结
  • 第4章 基于MSPCA 的过程监控方法应用与研究
  • 4.1 小波分析
  • 4.1.1 小波的由来
  • 4.1.2 小波变换
  • 4.1.3 几种常见的小波函数
  • 4.1.4 小波分析的多尺度特性
  • 4.1.5 小波多尺度特性应用研究
  • 4.2 MSPCA 理论
  • 4.2.1 PCA 的多尺度局限
  • 4.2.2 MSPCA 方法理论
  • 4.3 仿真实验研究
  • 4.3.1 多变量自回归过程实验研究
  • 4.3.2 TE 过程实验研究
  • 4.4 本章小结
  • 第5章 基于MSDPCA 的过程监控方法应用与研究
  • 5.1 基于MSDPCA 算法的监控原理
  • 5.2 仿真实验研究
  • 5.2.1 多变量自回归过程实验研究
  • 5.2.2 TE 过程实验研究
  • 5.3 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文和取得的科研成果
  • 致谢
  • 详细摘要
  • 相关论文文献

    • [1].一种基于PCA和贝叶斯分类的气动调节阀故障诊断方法[J]. 中国测试 2019(12)
    • [2].基于PCA和地统计的西南烟田土壤重金属源解析[J]. 农业环境科学学报 2020(05)
    • [3].基于PCA和综合指数法的高水平理工科高校科技成果转化绩效评价体系构建[J]. 科技管理研究 2019(22)
    • [4].基于改进PCA的重庆市水资源可持续利用评价[J]. 人民长江 2016(24)
    • [5].关于PCA的人脸识别技术的研究[J]. 电子测试 2016(23)
    • [6].基于PCA的新疆生产建设兵团城镇化评价指标体系的构建[J]. 安徽农业科学 2016(28)
    • [7].基于PCA的遥感图像和红外图像融合的研究[J]. 科技创新与应用 2017(09)
    • [8].基于PCA和熵权法的神农架生态环境承载力评价[J]. 湖北大学学报(自然科学版) 2017(04)
    • [9].PCA-聚类分析在煤与瓦斯突出预测中的应用研究[J]. 煤炭技术 2017(06)
    • [10].基于PCA的地铁工程项目多目标集成管理动态分析[J]. 建筑技术 2017(05)
    • [11].基于PCA的深度信念网的手势识别研究[J]. 微型机与应用 2017(13)
    • [12].基于PCA聚类机场跑道利用率研究分析[J]. 航空计算技术 2017(04)
    • [13].PCA给药治疗腰椎管狭窄合并腰椎间盘突出症腰腿疼痛[J]. 医疗装备 2015(09)
    • [14].基于PCA的水质数据相似度分析模型[J]. 环境工程 2016(S1)
    • [15].基于PCA的居民对社区教育满意度评价模型构建——以南通市为例[J]. 太原城市职业技术学院学报 2016(08)
    • [16].基于PCA的相机响应函数特征化方法研究[J]. 北京理工大学学报 2015(10)
    • [17].上海公共文化服务绩效评估区域定位——基于PCA的实证研究[J]. 公共治理评论 2016(02)
    • [18].国际投资法上的保护合理预期义务——PCA“阿罗德诉巴巴多斯政府仲裁案”述评[J]. 四川大学法律评论 2017(01)
    • [19].基于PCA的匿名数字证书发布方案的研究[J]. 办公自动化 2013(22)
    • [20].基于PCA-贝叶斯算法的网络舆情预测研究[J]. 无线互联科技 2020(15)
    • [21].PCA与心脑血管疾病相关性研究进展[J]. 西南国防医药 2020(10)
    • [22].基于PCA评价体系的“互联网+”背景下漳州外贸竞争力综合评测及提升研究[J]. 北京印刷学院学报 2020(04)
    • [23].基于PCA降维的分层超限学习机手势识别方法[J]. 电子测量技术 2017(03)
    • [24].基于PCA的汉中市土地利用变化驱动力分析[J]. 安徽农学通报 2016(17)
    • [25].基于PCA方法对荥阳市土地利用结构驱动力因素研究[J]. 经济研究导刊 2015(19)
    • [26].基于PCA法的汽车产业竞争力的综合评价[J]. 科技经济导刊 2020(31)
    • [27].硬膜外阻滞疗法联合PCA泵治疗腰椎间盘突出症50例[J]. 中国社区医师(医学专业) 2012(08)
    • [28].基于PCA的拉普拉斯金字塔变换融合算法研究[J]. 计算机工程与应用 2012(08)
    • [29].基于PCA法的汽车产业集群效率评价模型研究——以中部地区为例[J]. 科协论坛(下半月) 2012(04)
    • [30].一种基于PCA的时间序列异常检测方法[J]. 江西师范大学学报(自然科学版) 2012(03)

    标签:;  ;  ;  ;  ;  

    基于PCA及其扩展方法的过程监控技术研究
    下载Doc文档

    猜你喜欢