基于PCA的间歇过程监测及故障诊断方法研究

摘要

注塑成型是目前应用较广泛的塑料加工方法，注塑机是注塑成型的主要加工设备。注塑过程是典型的非线性、动态、多阶段间歇生产过程。不同于一般的工业过程，机理十分复杂，而且其操作复杂度远远大于连续过程。为了提高注塑生产过程与控制系统的安全性，迫切需要建立过程监测系统对生产过程进行故障监控。
　　目前以主成分分析(PCA)为核心技术的基于过程数据的多变量统计建模方法逐渐成为连续工业过程在线监测及故障诊断的重要工具。而多向主元分析(MPCA)是应用于间歇生产过程监测及故障诊断的一种较为有效的方法，它是将一次间歇操作的所有数据当作一个样本，虽然可以有效地监视过程的整体运行状况，却很难进一步分析间歇过程中每一个子时段的数据特征，而且在线过程监测算法在很大程度上依赖于对未来测量值预估的准确程度。
　　针对普通MPCA方法的优缺点及间歇过程的多时段特性，提出一种生产过程操作时段划分方法。该方法利用反映过程特性变化的负载矩阵以及主成分矩阵的变化实现了间歇过程子时段的两步划分。提出了基于加权负载向量夹角余弦的负载矩阵相似性度量以及基于加权奇异值变化的奇异值矩阵相似性度量方法，以更客观的反映负载矩阵以及奇异值矩阵的相似性，进而更准确的判断过程特性的变化。根据同一操作子时段的过程特性，其负载矩阵和奇异值矩阵相似性较大的特点，实现了生产过程的子时段划分。将基于子时段划分的PCA模型应用于注塑成型过程的在线监测，实验结果证明了提出方法的有效性，对实际生产具有一定的指导意义。
　　最后本文以注塑机生产过程为背景，以C#语言为主要开发工具实现注塑成型过程监测及故障诊断系统平台的构建。并以基于PCA的过程监测及故障诊断算法实现了该平台一个子系统。

目录

声明

摘要

第1章 绪论

1．1 课题背景及意义

1．2 统计过程监测的发展及研究现状

1．3 本文主要工作

第2章 多变量统计过程监测及故障诊断

2．1 连续工业过程的监测及故障诊断

2．1．1 数据的标准化处理

2．1．2 主成分分析(PCA)

2．1．3 基于PCA的过程监测

2．1．3 基于变量贡献图的故障诊断

2．2 间歇工业过程的建模及监测

2．2．1 间歇过程的数据特点及标准化处理

2．2．2 多向主成分分析(MPCA)

2．2．3 基于MPCA的过程监测

2．3 本章小结

第3章 基于子时段划分的PCA模型间歇过程监测及故障诊断

3．1 引言

3．2 子时段划分的意义

3．3 间歇过程两步子时段划分算法

3．3．1 时段粗划分算法

3．3．2 时段细划分算法

3．3．3 稳定时段与过渡时段的识别

3．4 基于两步子时段划分的PCA建模

3．5 基于两步子时段划分的PCA在线过程监测及故障诊断

3．5 注塑过程中的应用研究

3．5．1 注塑过程简介

3．5．2 实验数据的获取

3．5．3 子时段划分

3．5．4 在线监测

3．5．5 故障诊断

3．6 本章小结

第4章 基于PCA的注塑过程监测及故障诊断系统平台

4．1 注塑过程监测及诊断系统平台硬件结构

4．2 数据交换流程

4．3 注塑过程监测和诊断系统平台软件构建

4．3．1 构建软件所使用技术介绍

4．3．2 系统软件的总体功能介绍

4．4 本章小结

第5章 结论与展望

5．1 结论

5．2 展望

参考文献

致谢

作者攻读硕士期间参与的论文