基于PCA及其扩展方法的过程监控技术研究

《基于PCA及其扩展方法的过程监控技术研究》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、沈阳理工大学硕士学位论文摘要工业生产的过程监控一直是流程工业系统关注的主要问题之一。它通过监测生产过程的运行状态，及时检测故障发生、过程干扰以及其它的异常工况，定位并诊断引发故障的原因变量，从而保证生产过程安全运行，提高产品质量和生产效率。目前，随着分布式工业控制计算机系统O)cs)和各种智能化仪表、控制设备在工业过程中的广泛应用，大量的过程数据被及时采集和存储，如何充分利用这些数据的深层次信息，提高过程监控能力，正是现今过程监控领域亟待解决的问题，这也就促进了统计过程监控技术的研究与发展。l本文主要着重于过程监控中的多变量统计过程监控这一方面的研究，在研究了统计过程监控现状及

2、发展趋势的基础之上，以主元分析(PrincipleComponentAnalysis，PCA)为主线，化工过程为背景，针对PCA、动态PCA(DynamicPrincipleComponentAnalysis，DPCA)、多尺度PCA(MultiscalePrincipleComponentAnalysis，MSPCA)I拘不足，本文提出了一种新的基于多尺度动态PCA(Multisc．nleDynamicPrincipleComponentAnalysis，MSDPCA)的统计过程监控改进算法。本方法通过对滞后系数的计算将测量数据矩阵推广到增广数据矩阵，再利用小波的多尺度特性对

3、测量变量增广后的矩阵进行多尺度分析，这样可同时解决测量变量既带有时序自相关性又存在多尺度特性的情况。并将所提出的基于MSDPCA的监控方法应用于数值仿真研究和TE过程仿真研究，大量监测结果表明了基于MSDPCA的监控方法的可行性和有效性，在故障发生时，能准确的、及时的监测到故障发生的时刻，并有效的降低了误报警，较好的监控系统的运行，更进一步扩展了传统PCA监控方法的应用场合。关键词：过程监控；主元分析；动态主元分析；多尺度主元分析；多尺度动态主元分析沈阳理工大学硕士学位论文AbstractTheprocessmonitoringisoneofthemostimportantpr

4、oblemsintheprocessindustry．Themonitoringsystemcarldetectthefaultsandotherabnormaleventspromptlythroughmonitoringthestateoftheprocess．Thevariablewhichcausesthefaultalsocouldbedetectedandpitched．Theproductionprocesswillbesafeandthequalityoftheproductwillbeimproved．With丽deapplicationofDistribut

5、edControlSystem(ocs)，variousintelligentinstrumentsandcontrolequipmentsintheindustry,agreatamountofprocessdatacanbesampledandcollected．Howtofullyutilizethisdeep-levelinformationtoimprovetheperformanceoftheprocessmonitoringhasbeentheissuetobeaddressedinthefieldofprocessmonitoring，andhaspromote

6、dtheresearchthestatisticalprocessmonitoring．Thisthesisfocusesonmultivariatestatisticalprocessmonitoringoftheprocessmonitoring．Onthebasisofstudyingthepresentsituationanddevelopingtrendsofthestatisticalprocessmonitoringinthedomesticandinternationalfield，andinviewofthedeficienciesofthePrincipal

7、ComponentAnalysis(PCA)，DynamicPrincipalComponentAnalysis(DPCA)andMultiscalePrincipalComponentAnalysis(MSPCA)，WeproposeanewimprovedMultiscaleDynamicPrincipalComponentAnalysis(MSDPCA)processmonitoringalgorithmwhichviewsthePCAasthemainlineandthechemic