浅议基于主元分析的间歇过程故障检测和故障传感器的重构与分离

《浅议基于主元分析的间歇过程故障检测和故障传感器的重构与分离》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、东北大学博士学位论文基于主元分析的间歇过程故障检测和故障传感器的重构与分离姓名：李元申请学位级别：博士专业：检测技术与自动化装置指导教师：谢植20040601东北大学博士学位论文中文摘要有一致性。在此基础上本文基于MPCA与DTw提出一致的多方向主元分析(ConsistelltMulti—wayPrineipalCompojlentAnalysis—CMPCA)，并基于CMPCA进行统计建模与故障诊断，与MPCA方法进行比较分析，结果表明cMPcA方法的合理性与准确性。．基于1998年Dunia，Qin等对主元子空

2、间(Principalcomponentsub—Space—PCS)和残差子空间(ResiduaIsub．Spac亭一RS)的划分，本文研究了故障传感器的重构与辨识问题。通过定义各故障的方向向量，可在各自的故障向量方向上进行故障的重构。由于重构值与正常值阅的距离应最短，亦即重构误差(ReconstfucnonError—RE)最小，因此通过最小的RE，根据传感器变量数据间相关性可以确定故障的幅度，从而实现故障变量的最优重构。故障的辨识即在所有可能的故障传感器中分离出实际的故障传感器。定义传感器有效度指标(Senso

3、rvalidi哆Index—svI)，根据故障变量的方向向量分别进行各个变量传感器的故障重构。重构的误差不等，导致故障发生的可能性也不等。故障的方向决定SⅥ的取值，最终故障将发生在沿Svi最小、重构模型误差最小的方向上，完成故障的辨识。在Qin对主元分析中主元模型建立的基础上，本文将Pvc间歇过程的主元潜隐投影分别映射于主元子空间和残差子空间，并基于故障重构的未重构方差(ⅧiaJlceReconstructionErro广VRE)在两空间的显现情况，确定主元模型中的主元成分。通过未重构方差在两空间的投影，并求取PC

4、s和RS中的VRE，在PCs和RS中的vRE之和达到最小时，则取得PVc过程主元模型的最优主元数。依据最优主元数建立最优主元模型进行故障的检测与诊断。本文在基于主元分析的控制系统故障检测与故障传感器重构的基础上，重点研究和探讨了故障分离的理论与方法，并分析了Nomikos，Macgregor提出的预测误差平方和(SquarePredictError—sPE)贡献图法、Dunia，Qin提出的传感器有效度指标(svI)分离法。从而本文提出了基于非正常予域的故障分离。基于2002年w龇lg等提出的主元相关变量和非相关变

5、量的观点，将PVc间歇过程的控制变非主元相关域，并在各自域中进行故障检测。检测的结果可将过程变量投影于正常域(No肌aIRegion—_NOR)或非正常子域(Abnormalsub-Region～ANsR)，ANSR—II—查!!垄鲎竖主堂堡垒圭垒里曼!垦垒呈!FaultDetectionandFaultySensorReconstructionandIs01ationbasedonPrincipalComponentAnalVsisforBatchProcessAbstractFaultdetectionandd

6、iagnosis(FDD)incontrolsystemisalwaysoneofhotprobJemincontroIarea，FDDbasedonmodeI'basedonknowledgeandbasedonsignalprocessarethreebasicmethodsthathaVebeenstudieddeepIyandappIiedwidelyinindustrialcontrolarea．Faultdetectionanddiagnosisbasedonmodelfbrprocessi11dust

7、lMchemicalprocessspecially'becomesVe1．ydi颤cuItyduetoitslargescaIe，∞mplicatedandmulti—component．SotheFDDbasedonmodeIandkno、Vledgewillresultinsomeerrors．TheDCS(DiscrcteControlSystem—DCS)basedoncolTIputer'communicationandconIr01technologyprovidesalal名enumberredun

8、dancydatafbrprocessstatistical眦lysisandfaultdiagnosis．PCA(PrincipalComponentAnalysis—巾CA)isakindofmulti—componentstatisticanalysismethod，anditovercomesthedisadVamageofFDDbasedonmod