基于Fisher判别分析的过程监控方法研究

摘要

随着DCS和计算机技术的广泛应用,大量过程数据得以采集和存储,如何利用多元统计理论从中挖掘出过程运行的深层次信息从而提高过程监控的能力,成为目前过程控制领域的一个重要研究方向。本文以连续生产过程监控为背景,针对过程变量之间存在的非线性和统计相关性,研究了一种基于改进核Fisher判别的故障检测方法,并在基于核基特征提取的故障诊断中引入一种核参数寻优算法,论文以连续聚合反应CSTR为研究对象,针对不同的扰动情况进行了具体的分析和仿真。
　　 论文在基于Fisher判别分析(FDA)方法的故障检测基础上,针对过程变量之间的非线性特性,引入核函数,研究了基于核方法的改进算法KFDA,基于KFDA的故障检测方法通过将数据映射到高维特征空间有效的将非线性数据进行分离,可以减小故障数据的漏检率。驱动过程的关键变量往往是少数不可测的独立变量,为了提取这些关键独立的变量来建立更准确的模型,本文在非线性FDA方法中引入独立元分析模块,给出了基于ICA_KFDA的连续过程故障检测方法,先通过ICA模型来提取独立变量,然后在此基础上采用核FDA模型对过程进行监控。对CSTR的仿真结果表明,与基于FDA和核FDA的故障检测方法相比,ICA_KFDA方法进一步减小了故障数据的漏检率。同时,针对监控过程中构造的距离统计量分布形式未知的情况,采用了核密度估计的方法计算用于故障检测的控制限。
　　 故障源的分离是建立在故障检测基础之上,本文对基于Fisher特征提取的故障数据降维和诊断方法予以改进,研究了核基特征提取的故障诊断方法,解决了数据在高维空间的线性可分性,并引入一种无约束非线性规划算法来获得最优的核参数,保证故障数据在映射空间获得最好的分离效果。最后在提取的特征空间中,分别采用距离和相似度两种判别方法获得诊断结果,对CSTR的仿真结果表明基于非线性FDA方法所提取的特征更易于分类。

目录

文摘

英文文摘

第1章 前言

1.1 课题的研究意义

1.2 国内外研究现状

1.2.1 统计过程监控方法

1.2.2 费舍尔判别分析法

1.2.3 基于FDA的故障诊断

1.3 论文的研究内容

第2章 基于费舍尔判别分析的故障检测

2.1 费舍尔判别方法

2.1.1 基本原理

2.1.2 基于FDA的故障检测

2.2 核密度估计方法

2.3 CSTR仿真实例

2.3.1 CSTR模型介绍

2.3.2 仿真结果

第3章 基于核费舍尔判别方法的故障检测

3.1 基于核FDA的故障检测

3.1.1 核方法

3.1.2 KFDA用于故障检测

3.2 基于ICA KFDA的故障检测

3.2.1 独立元分析

3.2.2 FastICA算法

3.2.3 ICA_KFDA用于故障检测

3.3 CSTR仿真研究

3.3.1 KFDA算法仿真

3.3.2 ICA_KFDA算法仿真

第4章 基于费舍尔特征提取的故障诊断

4.1 故障识别原理

4.2 基于Fisher特征提取的故障诊断

4.2.1 距离分类判别

4.2.2 相似度分类判别

4.3 基于核Fisher特征提取的故障诊断

4.3.1 核参数寻优算法

4.3.2 距离分类判别

4.3.3 相似度分类判别

总结与展望

参考文献

致谢