基于聚类分析的间歇过程时段划分的mpca建模的故障分析

《基于聚类分析的间歇过程时段划分的mpca建模的故障分析》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、各专业全套优秀毕业设计图纸基于聚类分析的间歇过程时段划分的MPCA建模的故障分析V各专业全套优秀毕业设计图纸基于聚类分析的间歇过程时段划分的MPCA建模的故障分析V摘要对于具有过渡特性、多阶段特性的间歇过程的故障检测是非常复杂的。间歇过程最基本的特征就是多阶段，每个阶段操作条件、参数等特性都有一定的差异。由于对于间歇过程的建模和故障诊断都要求对数据进行预处理才能得到有效的检验结果，所以需要找到合适的方法对间歇过程进行阶段划分，才能有效提高建模和故障诊断的准确性。为了实现更加准确地对间歇过程进行阶段划分，最终实现更加精准、有效的故障检测及诊断，降低系统误报率。本文采用一种基于马氏距离的K-me

2、ans聚类算法，该方法依据基于协方差距离的方法实现对间歇过程的阶段划分，在MATLAB编程环境下，完成基于马氏距离的间歇过程时段划分算法程序的整体设计方案，编写马氏距离实现以及K-means聚类算法的相应程序，完成对间歇过程进行划分的实现；最后通过Pensim青霉素发酵仿真软件获取青霉素发酵过程的间歇过程仿真数据，设计基于多向主元分析（MPCA）模型的故障检测方法，并利用MPCA建模对基于马氏距离的K-means聚类划分的子时段进行故障检测。实验结果表明，在K-means聚类算法对间歇过程进行分段模块，基于马氏距离的K-means聚类方法的分段效果较符合生产实际；在故障检测的效果方面，基于马

3、氏距离的K-means聚类的故障检测准确，误报率低，达到了预期效果。关键词：间歇过程；聚类分析；K-均值；马氏距离V目录前言1第1章绪论2第2章基于聚类分析的间歇过程时段划分算法原理3第2.1节聚类分析算法原理32.1.1聚类分析算法概述32.1.2K-means聚类分析算法原理42.1.3马氏距离基本原理52.1.4马氏距离与欧氏距离的比较5第2.2节基于MPCA的故障检测原理62.2.1基于批次展开的MPCA方法原理62.2.2主元分析方法原理7第2.3节总体方案设计9第3章基于聚类分析间歇过程时段划分算法程序的设计与实现10第3.1节数据获取及预处理模块设计与实现10第3.2节基于K-

4、means的聚类分析算法模块设计与实现12第3.3节基于MPCA的故障检测模块设计与实现15第4章实验与分析18第4.1节基于K-means的聚类分析算法模块的实验与分析184.1.1实验数据获取18V4.1.2基于马氏距离的K-means聚类分析算法的实验与分析194.1.4聚类结果分析19第4.2节基于MPCA的故障检测模块的实验与分析204.2.1MPCA的数据预处理与建模204.2.2故障检测结果214.2.3故障溯源23V前言复杂工业过程往往伴随着很多危险因素，一个环节控制不准确就可能会引起生产运行不稳定、产品质量不可靠等问题，甚至可能造成财产及人身安全的重大事故。所以对生产过程的

5、故障检测、预测、排除等技术的研究近年来一直受到国内外的广泛关注，也成为一个炙手可热的研究热点。随着社会对工业产品高精度、高质量、多品种的需求，小批量的精细生产也成为一个重要的发展趋势。工业化生产更加依赖间歇过程。间歇过程具有多时段和过渡性的特点，导致这类系统通常是非线性、时变、滞后的，并且模型不确定，对这类系统很难建立一个精确的数学模型来对其进行控制和检测，这个问题一直是控制界一个非常具有挑战性的课题之一，因而对间歇过程系统控制问题的研究，具有一定的理论价值和实际应用价值。传统聚类分析方法采用欧氏距离进行计算，即用两点之间的距离的平方和来比较实际操作数据与质心的距离。这种方法虽然比较简单，而

6、且比较实用，但是也存在着明显的缺陷。欧氏距离将不同属性的变量等同对待，这一点有时并不能满足实际的要求。而采用马氏距离不受量纲的影响，可以排除变量之间相关性的干扰，克服指标变量不同量纲不同权重所造成的误判。本课题对传统的欧氏距离方法上进行改进，采用马氏距离方法进行聚类分析。在MATLAB编程环境下实现基于马氏距离的间歇过程时段划分算法程序设计。并使用Pensim青霉素发酵仿真软件对青霉素发酵过程的间歇过程数据进行实验测试。25第1章绪论随着工业水平的不断发展和提高，间歇过程已经广泛应用于各个领域，如精细化工产业、生物产业、农产品深加工等。同时为了适应市场对于产品多品种、多规格、高质量的要求，间

7、歇生产越来越受到重视。间歇过程中，受生产设备的物理结构，或其他经济和技术上因素的影响，使生产过程由一个或多个一定顺序执行的操作阶段组成。在执行过程中，都会受其生产环境和动态特性的影响，使得生产的产品和工艺操作条件频繁发生变化。与连续生产过程相比，间歇过程具有动态性，多样性，不确定性等特征。如果分段不合理，就不能很好的反映过渡阶段特性的变化，从而造成相邻阶段的过渡过程特性变化对监控结果产生很大影响[1]。多阶段