局部时差约束邻域保持嵌入算法在故障检测中的应用

传统的邻域保持嵌入(neighborhood preserving embedding,NPE)算法通过k近邻(k-nearest neighbors,k-NN)方法选择邻域进行重构来实现降维。但在实际工业过程中采集的样本具有时序相关性,仅仅通过欧氏距离选择近邻样本不能充分反映数据中包含的信息,从而影响检测效果。因此,提出一种局部时差约束邻域保持嵌入(local time difference constrained neighborhood preserving embedding,LTDCNPE)算法,充分考虑样本间的时间和空间关系,从而建立准确的故障检测模型。首先,该算法在固定尺度的时间窗内,根据样本的时序关系和空间特征挑选出邻域。其次,利用样本间的时间差异为邻域样本进行加权,使数据特征保留了高维空间的局部结构。然后,对降维后得到的主元空间和残差空间构建T^{\mathrm{2}}和SPE统计量并确定控制限。最后,通过数值例子和Tennessee-Eastman(TE)过程仿真验证LTDCNPE算法的有效性。     

基于局部密度估计的多模态过程故障检测

以市场需求为导向的现代工业过程的生产条件要根据市场的需求不断做出调整,因此实际工业过程中存在多种工况的复杂情况,而过程的数据将不再完全服从高斯分布,其均值与协方差结构往往随着工况的切换而发生较大变化,为了能及时检测此类生产过程中的故障,提出一种新的基于带宽可变的局部密度估计的过程在线监控策略。首先利用局部投影保留(locality preserving projection,LPP)将高维数据投影到低维子空间中,充分地保留数据的局部结构;然后通过带宽可变的非参数密度核函数来进行局部密度估计,并采用局部密度因子(local density factor,LDF)的思想构造监控统计量,进而对工业过程故障进行在线检测;最后通过仿真研究,结果表明所提方法能够有效地应用于多模态过程的故障检测。     

基于非负矩阵分解的多模态过程故障监测方法

针对传统的多元统计故障监测方法往往需要假设测量数据服从单一高斯分布的不足,提出了一种基于非负矩阵分解(NMF)的多模态故障监测方法。首先使用标准的NMF算法对训练集数据进行聚类,将多模态数据划分到各个模态中;然后使用稀疏性正交非负矩阵分解(SONMF)算法对各模态分别建模,同时构造监控统计量进行故障监测。将提出的基于非负矩阵分解的多模态故障监测方法应用于数值例子和TE过程的仿真结果表明,该方法能够及时有效地检测出多模态过程中的故障。     

Improved Kernel PLS-based Fault Detection Approach for Nonlinear Chemical Processes

In this paper, an improved nonlinear process fault detection method is proposed based on modified ker-nel partial least squares （KPLS）. By integrating the statistical local approach （SLA） into the KPLS framework, two new statistics are established to monitor changes in the underlying model. The new modeling strategy can avoid the Gaussian distribution assumption of KPLS. Besides, advantage of the proposed method is that the kernel latent variables can be obtained directly through the eigen value decomposition instead of the iterative calculation, which can improve the computing speed. The new method is applied to fault detection in the simulation benchmark of the Tennessee Eastman process. The simulation results show superiority on detection sensitivity and accuracy in com-parison to KPLS monitoring.     

沧州化肥厂CIMS应用工程初步设计

本文基于一种ＣＩＭＳ全过程体系结构，针对沧州化肥厂生产过程特点及自动化发展状况，分析讨论了实施ＣＩＭＳａｃ程的新策略，提出了该厂ＣＩＭＳａＬ程的初步设计方案。     

合成氨厂二级计算机优化控制

本文介绍采用二级计算机结构,对大型合成氨装置,运用大系统分解——协调优化方法,实现在线闭环操作优化和控制。投运实践表明:该系统使用方便,经济效益明显。     

基于多尺度动态核主元分析的化工过程故障检测

针对化工过程数据的多尺度性和非线性特性,提出一种多尺度动态核主元分析方法.使用小波变换分析数据的多尺度特性,借助核函数来解决非线性映射问题,同时解决了噪声和干扰造成的各变量数据具有时间序列动态性问题.在此基础上,提出一种基于矩阵相似度量的核函数参数选优方法.将上述方法应用于TE模型的故障检测过程中,仿真结果表明,该方法提高了过程性能监视和故障检测的准确性,优于线性主元分析法的检测效果.     

过程系统的故障监控与监督技术发展概述及研究现状

首先综述基于知识的方法、基于解析模型的方法和基于信号处理的方法在过程故障监控和诊断中的理论研究进展,并给出评述.在此基础上,探讨结合不同方法在智能过程监控中的应用情况,特别是在整体性设计问题上,列举了IRTW,Dkit,INTERMOR几种研究最突出和集中的框架结构及其存在的问题,提出适应环境变化的能力是每一种用于工业过程监控和诊断的完整性智能系统设计在以后要考虑的问题.     

数据校正在焦化碳一过程中的应用

化工生产过程中，开展测量数据的误差侦破与校正方法的研究具有十分重要的意义。针对焦化碳一过程中测量变量的稳态数据校正，采用残差检验方法进行数据协调和过失误差的识别、侦破，通过两层次变换进行数据分类，从而消除了已有算法中出现奇异矩阵的情况。校正后的变量满足物料和元素平衡要求，误差侦破的结果为仪表故障的排除等提供了参考依据；数据校正则提高了生产效率。