基于独立子空间算法与集成策略的仪表微小故障诊断方法

针对流程工业中多仪表微小故障难以检测的问题,利用独立元分析(ICA)提取仪表变量的独立元信息,根据独立元贡献度矩阵构建独立元子空间,并分别在每个独立元子空间上根据不同的贡献率选择独立元个数,得出三个统计量及其控制限,建立故障检测模型。再综合所有子空间故障检测模型的检测结果,根据实际需求制定集成故障检测策略,最后通过贡献度算法对故障源进行识别和分离。对Tennessee Eastman过程数据的仿真实验结果表明独立子空间算法提高了微小故障的检测精度,在流程工业中多仪表故障诊断中配合不同的集成故障检测策略在应用中更具有灵活性。     

自适应时变Terminal滑模控制研究

针对Terminal滑模控制到达阶段鲁棒性不强的问题,提出了时变Terminal滑模控制方法。分析Terminal滑模面的设计参数对系统性能的影响,提出一种非线性时变Terminal滑模面的设计方法。为了消除多输入多输出(MIMO)非线性系统的不确定,构建动态干扰观测器系统,根据干扰观测误差在线调节参数,从而在线逼近外部干扰,证明了逼近误差一致最终有界。采用倒立摆系统进行仿真验证,提出的自适应时变Terminal滑模控制方法比传统的PID控制镇定时间缩短80%,且无超调。仿真结果表明,所提方法可以用于MIMO非线性系统的控制。     

基于ICA-PCA的化工流程仪表故障诊断

传统的多元统计过程控制(MSPC)的故障诊断方法要求观测变量数据服从高斯分布,然而实际化工流程中的仪表数据中难以满足这一要求。针对这一问题,提出在仪表数据中提取分离出非高斯信息和高斯信息,并分别利用独立元分析法和主元分析法建立不同的故障诊断模型。在检测到发生故障后,通过改进的贡献度算法定位出发生故障的仪表。通过对Tennessee Eastman(TE)过程数据进行仿真研究,验证了ICA-PCA故障诊断法在化工流程仪表不同故障诊断中的有效性。