基于多变量统计技术的味精发酵过程故障诊断方法的研究

《基于多变量统计技术的味精发酵过程故障诊断方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东北大学硕士论文摘要基于多变量统计技术的味精发酵过程故障诊断方法的研究摘要本文是以“沈阳味精厂味精发酵过程优化控制系统”为背景而展开的研究工作，着重于味精发酵过程的建模与故障诊断的研究。首先，本文介绍了故障诊断技术的基本原理和方法分类，比较详细概述了基于多元统计分析方法的故障诊断技术的应用现状和数学工具；此外，讨论了味精发酵过程的机理，结合沈阳味精厂的实际情况，选择了基于模糊规则和发酵机理相结合的模型结构进行了建模与仿真研究，并应用数理统计方法进行了检验，从而说明了本文提出的味精发酵模型预测值与实际值相一致；最后，本

2、文着重研究了基于主元分析方法的味精发酵过程故障诊断，应用文中建立的味精发酵模型的在线仿真实例表明，基于多变量统计方法的故障诊断技术可以有效的监控味精发酵过程。因此，本文提出的基于多变量统计技术的味精发酵过程故障诊断方法对于进一步研究生物发酵过程的优化控制具有重要的意义。关键词：味精发酵过程，故障诊断，多变量统计技术，过程建模‘Ⅱ。东北大学硕士论文ResearchonFaultDiagnosisMethodofGourmetfermentationBasedonMultivariateStatisticalTechno

3、logyAbstractTheresearchofthispaperisbasedoil‘theOptimalControlSystemofGourmetfermentationinShenYangGourmetPowderPlant’andfocusesonthemodelingandfaultdiagnosisoftheGourmetfermentation．Firstly,thepaperdescribesthebasicprincipleandmeasureclassifyoffaultdiagnosis，p

4、articularlysummarizestheapplystateandmathtoolofresearchonfaultdiagnosisbasedonmultivariatestatisticalprocesstechnology．Secondly,thepaperdescribesthetheoriesandfeaturesoffermentationprocess，accordingtothepracticalsituationofShenYanggourmetpowderplant，discussesth

5、efactorsaffectingtheproductionandselectsthemodelstructurebasedonfuzzyrulesandfermentationtheorythendescribesthesimulationofthemodel．Themodelstructuresprovetobereasonablebystatisticmethod，soprognosticatevaluesofthemodelsareconsistentwithrealvalues．Atlast，thepape

6、rresearchesindetailfaultdiagnosisofgourmetfermentationbasedonmultivariatestatisticaltechnology,theonlineapplicationofmodelsofgourmetfermentationmakeitclearthatfaultdiagnosisbasedonmultivariatestatisticaltechnologymaysupervisegourmetfermentationprocessineffect．H

7、enceresearchonfaultdiagnosisofgourmetfermentationbasedonmultivariatestatisticaltechnologyisimportantforthefurtherresearchonfermentationprocessoptimalcontr01．Keywords：gourmetfermentationprocess，faultdiagnosis，multivariatestatisticaltechnology,processmodeling·III

8、·东北大学硕士论文第一章绪论1．1引言第一章绪论现代科学技术日新月异，现代过程工业也逐渐向大型化、复杂化、连续化和自动化方向发展。随之人们对过程工业提出了优质高产、低耗、低污染的更高要求，同时对安全生产也提出更严格的要求。在实际工厂中，工人很难由采集到的大量数据中了解到系统运行的确切状态，在故障发生的前期不能及时知道，并采取相应的措施，避免故障