基于pca的动态化工过程实时故障监测系统研究

《基于pca的动态化工过程实时故障监测系统研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第27卷第10期计算机与应用化学Vol.27,No.102010年10月28日ComputersandAppliedChemistryOctober,2010基于PCA的动态化工过程实时故障监测系统研究12董国胜，任伟(1.中国石油化工股份有限公司青岛安全工程研究院，化学品安全控制国家重点实验室，山东，青岛，266071；2.青岛科技大学化工学院，山东，青岛，266042)摘要：如何确保化工过程安稳运行，被科研工作者视为1个重要研究方向。但能够成功应用于实际化工过程上的故障监测系统却寥寥无几。本文深入研究了主元分析的原理，在主元分析方法的基础上，利用VS2005开发工具，完成了基于主

2、元分析算法的推理引擎，开发了动态化工过程实时故障监测系统，并利用乙烯装置热区分离工段的仿真系统，从中选取了21个可测变量，通过仿真实验，当故障发生时，能够准确的找到故障。验证了该监测系统的有效性，取得了较好的效果。关键词：主元分析；动态；化工过程；实时；故障监测系统中图分类号：TQ021.8;TP391.9文献标识码：A文章编号：1001-4160(2010)10-1357-13601引言多个变量去进行观测，每个变量都在不同程度上反映所研究问题的信息。但是变量个数太多会增加分析问题的复杂现代化工生产过程日趋大型化、集成化、复杂化和精细性。在很多情况下，这些变量反映的信息有一定的相关关

3、化。当系统的某个环节发生故障时，初始阶段，如果不及时[3]系，即变量反映的信息有一定的重叠。PCA就是将原来处理或处理不当，就可能引起故障扩大，导致重大事故的发提出的所有变量（设为a个）综合成尽可能少的几个（设生并可能演变为一场灾难。因此建立高效的、准确的实时故障监测系统，消除故障隐患，及时排除故障，确保安全、平为b个，b

4、的变主元空间的信息抽取实质上是选择几个有代表性的主化中找出引起故障的主要原因，通过对在线测量的大量过程元，解释数据中大部分变化。通常，1个标准的m×n维的变量进行实时统计分析，还可以及时地发现那些仅靠观测各数据矩阵X可以分解为:单一变量难以发现的过程变化，从而及时提示操作人员，采XXE(1)取措施来避免或减少故障发生。式中，矩阵X的列表示m个变量(测量变量所反映的信息)，多变量统计方法中最典型的代表是主元分析方法其行表示n组样本；X表示X的模型值，是1个l×n矩阵。(principlecomponentanalysis,PCA)，PCA方法作为监测工业[3]E表示残差矩阵，是1个

5、（m-l）×n矩阵。X和E可以分过程的1种工具，在工业过程监测中的应用较为广泛，本故别表示成如下形式：障监测系统就是基于PCA方法研发的。lXTPTTtp(2)ii2主元分析算法i1mETPTTtp(3)eeii2.1主元分析的基本概念il1PCA方法是将多个相关的变量转化为少数几个相互独TXPXEP()(4)立的变量的1种有效方法。本质上讲，是把高维信息投影到其中，l

6、互之间存在相关性的变量所组成的数集阵，以及[T,Te]是正交阵。此主元投影将原来X的m个变[2]进行降维以获得相互之间不相关的主元的过程。也就是量减少到现在的l个主元T，从而达到了利用PCA技术减少[5-6]说，用较少的主元去描述和表征数据信息的变化。从线形代变量个数的要求。(当数据矩阵X的变量间存在线性关系数的角度来看，PCA的目标就是使用另1组基去重新描述时，数据矩阵的变化主要体现在前l个负荷向量的方向上，得到的数据空间，而新的基要能尽量揭示原有的数据间的此时E产生的投影可以忽略，即式(4)可以写为。同时在实关系。从更严格的数学定义上来说，PCA回答的问题是：际过程中，残差矩阵E

7、主要是由噪声引起的，将E忽略掉如何寻找到另1组正交基，它们是标准正交基的线性组合，往往会起到清除测量噪声的效果，不会引起数据中有用信息而且能够最好的表示数据集。对于复杂的研究对象，为了的明显损失。)这就是利用主元分析解决故障诊断问题的基获取充分信息以便对问题做出比较可靠的推断，往往选择本原理。收稿日期：2010-08-06;修回日期：2010-10-08基金项目：国家高技术研究发展计划(863)(No.2009AA04Z133).作者简介：董国胜(1965