探究基于多尺度主元分析的丙烯聚合过程故障诊断研究

《探究基于多尺度主元分析的丙烯聚合过程故障诊断研究》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、渊II'12l'19hl=18l'17qll2⑧0工工誊女硕士学位论文论文题目：基王墨尽鏖圭五佥堑盟西蜢墨盒显攫垫瞳盗堑堑宜作者姓名垄圭堡指导教师鲎盘垂蒸蕉学科专业垡芏三蕉所在学院垡堂兰星当盐盘生瞳浙江工业大学硕士学位论文基于多尺度主元分析的丙烯聚合过程故障诊断研究摘要针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法．该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如

2、下：针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的PCA模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度PCA模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。最后将改进MSPCA

3、方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的PCA、MSPCA相比，改进MSPCA减少了误报率和漏报率，提高了故障诊断的准确性。关键词：主元分析，多尺度，小波变换，故障诊断浙江工业大学硕士学位论文FAIⅡ，TD队GNOSISFORINDUSTRIAI，PROPYLENEPOL姗RIZATIONBASEDONMSPCAABSTRACTInthelightofspecialcharacteristicsofindustrialp

4、ropylenepolymerization，weraisesanimprovedmulti—scaleprincipalcomponentanalysismethodisproposed．Basedonthetheoryofwaveletandprincipalcomponentanalysis，multi-scaleprincipalcomponentanalysisisintroducedwhichcombinestheabilityofPCAtodecorrelatethevariabl

5、esbyextractingalinearrelationship，withthatofwaveletanalysistoextractdeterministicfeaturesandapproximatelydecorrelateautocorrelatedmeasurements．Mainresearchworkandcontributionofthisdissertationareasfollowing：WhenapplyingconventionalPCAtofaultdetection

6、，itwouldleadtofalse—alarmofthesystemduetothemeasureddatacorruptedwithnoiseandoutliers．T0overcomethe1imitationsofconventionalPCA浙江工业大学硕士学位论文handlingthedatacorruptedwithnoiseandoutliers，anapproachisdevelopedbycombiningthewaveletstransform，waveletthresh

7、oldde-noisingandPCA．Thismethodutilizestheadvantageofwaveletstransformandwaveletthresholdde-noisingtopreprocessthedatetoeliminatenoiseandoutliers．Usingwavelettransforms，theindividualvariablesignalsaredecomposedintoapproximationsanddetailsatdifferentsc

8、ales．Coefficientsfromeachscalearecollectedinseparatematrices，andaPCAmodeliSthenconstructedtoextractcorrelationateachscale，andaPCAmodelisthenconstructedtoextractcorrelationateachscale．Atlast，thismethodisappliedtofaultdetectionandhasagoodeffectwhichpro