基于2DPCA理论的间歇过程故障诊断方法

提出了一种基于2DPCA理论的间歇过程故障诊断方法,该方法采用各个批次数据协方差矩阵的平均值进行PCA建模,避免了三维数据二维化转换后维数过高的影响,能够更加准确地检测到故障的存在,在一定程度上解决了过程故障漏报的现象。针对RTA间歇反应过程,分别运用MPCA和2DPCA方法进行了大量的仿真实验,证明2DPCA方法在间歇过程故障诊断方面具有一定的优势。     

基于多向核主元分析的青霉素生产过程在线监测

基于传统主元分析（PCA）方法的过程监测算法假定过程是线性的，对于具有强非线性的生产过程，应用其进行在线监测出现误报率过高的现象.为此提出了一种多向核主元分析（MKPCA）算法用于间歇过程的建模与在线监测.利用PenSim2.0软件将青霉素间歇生产过程的三向数据按批次方向展开为二向数据并进行标准化，采用MKPCA算法建立过程模型并用于过程的在线监测，计算T2、SPE统计量及相应的控制限.仿真结果表明，与传统PCA算法相比，MKPCA算法具有更好的监测性能，不仅大大降低了正常运行过程的误报率，而且能够较早地检测出过程中存在的底物流加速率与搅拌功率故障.MKPCA可以有效处理间歇过程批次间存在的非线性属性，获取过程变量间的非线性关系.     

间歇过程的KPCA恒值判定故障诊断模型

为了研究主元分析故障诊断模型在非线性时变过程中应用的局限性和降低基于非线性主元分析的过程监控方法的计算复杂度,将核变换理论引入非线性空间的数据特征提取中,提出了一种基于核主元分析(KPCA)恒定值检测的故障监测模型.该模型通过恰当的选取核函数的参数值,达到对过程故障的恒定值检测,而且与其它非线性算法相比计算复杂度低.通过啤酒发酵过程的故障检测实验验证了该方法能够及时地检测出过程故障,对缓慢时变的间歇过程具有实时性和准确性.     

基于多元统计信号处理的间歇过程监控方法研究

针对化工生产中日益增多的间歇过程，提出了一种基于多元统计信号处理的过程监控方法，其主要思想为将过程信息空间划分为由盲源信号描述的信号子空间、过程主元描述的信号子空间和残差信号子空间，随后对各个信号子空间构造过程统计量或分类器提取信号特征进行过程监控，该方法避免了传统多元统计过程控制 (multivariate statistical process contro，lMSPC)需假设过程特征信号服从正态分布的前提.将本方法与传统MSPC方法的性能进行了对比，并在仿真中给出了对比研究结果.通过对间歇过程的仿真研究表明，该方法不仅能够有效地检测出故障，而且有利于故障的分离和定位，从而说明该方法不仅是有效的，而且其性能优于仅能检测故障的传统MSPC过程监控方法.     

间歇过程子阶段PCA建模和在线监测

针对间歇过程的多阶段特性,提出一种新的子阶段主元分析(principal component analysis,PCA)监测方法.首先,将间歇过程三维数据沿时间片展开,采用模糊模式识别方法计算相邻时间片负载矩阵变量方向重心的格贴近度,以最小贴近度为原则,根据格贴近度的变化,实现子阶段的划分;然后,在划分的子阶段内采用一种先沿批次后沿变量的改进展开方式建立PCA监控模型;最后,将该算法应用于青霉素发酵仿真系统的在线监测.结果表明该方法在监控过程中能够有效降低误报和漏报.     

基于分步动态核主元分析的故障诊断方法

目的研究复杂工业系统动态、非线性特点,提出分步动态核主元分析（KernelPrincipalComponentAnalysis,KPCA）的故障诊断方法．方法该方法首先构造增广矩阵,然后将增广矩阵分成一系列子矩阵,将各子矩阵的构建一个新的数据增广矩阵,并对每个子矩阵使用KPCA提取变量数据的非线性空间相关特征,最后通过监测统计量监测出系统故障,用贡献度的方法识别发生故障变量．结果该方法改进了传统的动态方法,引入分步动态的定义,并且能充分考虑工业过程中的非线性和动态性,更精确的描述Y--,Ak过程特性,更精确的监测复杂工业系统的故障,并准确的识别出故障变量．结论对热连轧过程中活套故障诊断的仿真结果表明：基于分步动态KPCA的故障诊断方法能准确有效地诊断出故障,并识别出产生故障的原因．     

基于多向核熵偏最小二乘的间歇过程监测及质量预测

针对间歇过程数据的批次不等长和强非线性的特点,结合核偏最小二乘和核熵分析,提出了多向核熵偏最小二乘(multi-way kernel entropy partial least squares,MKEPLS)的过程监测及质量预测方法.该方法将三维历史数据沿新的展开方式展开,克服了批次不等长和数据缺失的问题,通过核映射将过程数据从低维输入空间映射到高维特征空间,实现变量之间非线性相关关系的线性转换,解决了数据的非线性特性;根据核熵的大小将特征值和特征向量进行排序并对数据进行降维,弥补了MKPLS方法只按照数据特征值的最大化进行降维的不足.同时,引入核特征提取算法降低核空间的计算量,使其能够在线应用.数值实例和实际工业过程数据的验证效果表明:MKEPLS方法不仅能对故障进行有效监控,提高故障的报警率,同时还能对最终产品质量进行预测.     

基于动态内并行潜结构投影的故障检测方法

针对实际工业过程故障检测时存在误报警现象及易缺失部分时段质量数据的问题，提出在线监测动态内潜结构投影(OM-DiPLS)模型.该模型通过引入时延的质量数据，使得在缺失部分时段质量数据时能够实现模型的更新.为了更好地监控质量变量中不可预测的信息，基于OM-DiPLS模型提出在线监测动态内并行潜结构投影模型.该模型将过程数据和质量数据投影到输入输出相关的协变子空间、输出无关但过程相关的输入主子空间、输入残差子空间、不可预测的输出主子空间及输出残差子空间，通过对各子空间构造相应的统计量，实现过程监测.田纳西-伊斯曼过程仿真的实验表明，利用所提算法有效提高了质量相关故障的有效检测率，降低了质量无关故障的误报率.     

基于最小窗口MPCA的间歇过程实时监视和故障诊断软件

间歇过程起停频繁，状态变化反复，其过程监视和故障诊断十分困难．实时监视和故障诊断软件在原有DCS系统软、硬件设备基础上，基于最小窗口MPCA非线性多模型建模和监视方法，采用C，VB和MATLAB语言混合编程开发，用于挖掘数据中隐含的信息，解决批次过程实时在线监视和诊断问题．将该套软件应用于某化工过程，能早期预报和诊断异常情况，为操作人员监视和评价过程性能提供了可靠的依据，提高了过程操作的安全性，同时使产品质量提高．     

基于MPCA与DTW的间歇反应过程的性能监视及故障诊断

研究了基于多方向主元分析(MPCA)理论和动态时间错位(DTW)理论对间歇反应过程进行性能监视及故障诊断的方法．多元统计分析理论是根据反应过程的历史批量数据，建立过程的统计数据库、统计数学模型；在此基础上确定过程的统计监控指标，并向各自的统计模型投影，判断其与模型的拟合程度来诊断是否有故障发生．由于间歇反应的各批次物理条件的不同、约束条件的不同，导致批次与批次之间的数据轨迹不同步．动态时间错位(DTW)理论通过搜寻两轨迹的相似特征，适时地对轨迹进行压缩和扩张，从而使其达到一致的程度．这为基于MPCA理论进行故障诊断提供了合理、可靠的数据依据．比较轨迹进行同步化处理前、后的故障诊断结果完全不同。因此，DTW理论的应用在基于MPCA理论进行性能监视及故障诊断中具有重要意义     

基于多方向主元分析方法的间歇过程性能监视和故障诊断

将多方向主元分析（ＭＰＣＡ）技术应用于间歇生产过程的建模、过程性能监视和故障诊断,ＭＰＣＡ方法唯一需要的信息是过去成功间歇过程数据集合。作为一种有效的数据压缩和信息提取方法,ＭＰＣＡ方法大大降低数据空间结构的维数,消除变量之间的关联性,去除噪声,提高监视系统的鲁棒性,本文针对半导体生产过程中快速热退火间歇过程进行仿真实验研究。仿真结果表明：ＭＰＣＡ方法能够有效地监视间歇过程性能,及时准确诊断引起产     

非线性PCA方法在间歇过程性能监视和故障诊断中的应用

针对间歇生产过程的特点,基于多方向主元分析方法（ＭＰＣＡ）和非线性理论,提出具有实时性的非线性最小窗口ＰＣＡ方法,分析复杂非线性间歇过程的性能,诊断异常事件的原因,讨论最小窗口ＰＣＡ方法的建模方法,过程性能监视和故障诊断基本原理,仿真实例验证该方法的有效性,最小窗口ＰＣＡ方法突破ＭＰＣＡＹ一性化的建模方式,创新性地构造了适合间歇生产过程特点的多模型结构非线性建模方法,并侧重于在线间歇过程性能监视和     

基于多向主元分析的多传感器故障诊断

研究一种基于MPCA的多传感器故障诊断方法．这种方法把过程测量空间分为主元子空间和残差子空间．在残差子空间，首先用Q统计指标检测出传感器是否存在故障，如果Q统计指标超限，在主元子空间应用T^2统计量和相应的T^2统计量的贡献率，识别出引起过程异常的主要传感器变量并剔除．然后用同样的方法继续判断其它的传感器故障．仿真实例验证了该方法的有效性．     

基于MPCA-MHMT的多阶段间歇过程监控研究

为了克服多阶段间歇过程监控只针对时间尺度从而导致误报率过高的缺陷,建立了捕捉实际测量数据的持续性和聚集性的隐马尔科夫树模型。该方法减少了信号扭曲从而更好地提取影响过程的系统变量,解决离散小波变换不具有平移不变性的问题。对展开结构进行简单的修改,把时域扩展到时间-频率域中,提取了历史数据的主要特征,对多阶段间歇过程进行了有效监控。利用提出的方法对青霉素发酵过程进行监控,验证了该方法比传统方法更为切实可行。     

高炉铁水硅质量分数的非线性检验

为检验硅质量分数w(Si)的非线性特征，以邯郸钢铁公司7号高炉在线采集的2000炉铁水的w(Si)数据作为母体样本空间，首先运用替代数据法对w(Si)时间序列做非线性定量检验；针对替代数据法容易受系统噪声和时间序列自相关程度影响的缺点，根据信息论冗余图像法进一步对w(Si) 序列做非线性定性判别；通过与典型的线性自回归模型和混沌Lorenz模型的冗余图像的比较，指出w(Si)序列的非线性并非是噪声引起的平凡非线性，而是高炉冶炼内在机理决定的本质非线性，为应用非线性模型对炉温做预测和控制建立理论了依据     

混沌神经网络综合法在边坡位移预测中的应用

根据混沌理论具有分析非线性动态系统的混沌特性和人工神经网络具有考虑多因素影响的特点,本文提出了混沌神经网络综合预测模型.该方法首先利用非线性科学和理论分析滑坡位移时间序列的动态特性,然后将重构相空间计算的最小嵌入维数作为输入神经元的数目引入到人工神经网络预测模型中.分析算例预测结果表明,混沌神经网络综合预测模型计算精度较高.     

滑坡变形动态预测的自记忆离散模型

考虑滑坡变形时间位移序列的非线性特征,提出了基于自记忆离散模型的滑坡非线性变形动态预测方法.该方法将观测到的滑坡变形位移时序数据视为描写滑坡变形非线性动力系统的特解,运用反演动力模式方法导出系统的微分方程,通过引入记忆函数,将制约动力系统的微分方程推演成一个差分-积分方程,从而建立了滑坡变形动态预测的自记忆离散模型.将该方法用于古树屋滑坡和茅坪滑坡变形预测,验证了该模型的有效性及可行性.