基于偏最小二乘的质量相关多模态故障检测技术

偏最小二乘(PLS)算法通常适用于稳定工况下的工业过程故障检测.在日趋复杂的工业过程中,过程数据通常不满足正态分布,存在非线性、动态、多模态等问题.针对多模态问题,已有大量模态区分方法可用,但这些方法都未考虑质量相关因素,因此并不适用于质量相关类算法.为此,针对质量相关类算法提出新的质量相关模态区分规则,该规则通过核模糊聚类对添加线性递增时间变量的数据在时间方向上进行初步的聚类,再通过质量相关指标进一步准确划分模态;同时,过程复杂化导致静态控制限不能满足故障检测的需求,现存的动态控制限适用范围具有一定的局限性,可通过改进动态控制限将其推广为广义动态综合控制限.实验中,先是基于两种非线性偏最小二乘模型将新方法应用于青霉素发酵过程故障检测中,极大减少了漏报率和误报率.最后,通过数值仿真实验验证了添加线性递增时间变量的合理性.     

基于局部信息增量与MPLS的质量相关故障检测方法

在工业生产中,对系统进行故障检测具有十分重要的作用.改进的偏最小二乘(modified partial least squares,MPLS)是在PLS基础上提出的一种扩展算法,在质量相关故障检测中具有良好的检测效果,但当测试数据中含有质量无关故障时,MPLS算法漏报率较高.另外,MPLS算法的阈值为固定值会导致其误报...     

基于递推MPLS算法的质量相关故障在线监控技术

改进潜结构投影(MPLS)算法是一种反映过程变量与质量变量相关关系的多元统计分析方法,已有效应用于稳态过程的故障监控.对于缓时变工业系统, MPLS模型难以描述当前过程,因此,需定时更新模型以加强对当前过程的监控.常用的模型更新方式是数据扩充的方法,然而该方法重复使用历史数据导致建模样本不断积累,模型更新效率非常低下.为提高模型动态更新效率,提出递推改进潜结构投影(RMPLS)算法,采用递推结构动态更新MPLS模型,与数据扩充方法相比避免了样本累积,极大地提高了模型更新效率.最后,在田纳西-伊斯曼过程中比较RMPLS和MPLS的模型更新计算量和质量相关故障检测效果,结果表明RMPLS可有效降低模型更新计算量,并全面提高质量相关故障的监测能力.     

基于正交信号修正与高效偏最小二乘的质量相关故障检测方法

偏最小二乘(PLS)是一种广泛应用于多变量统计过程监控中的有效算法,高效偏最小二乘(EPLS)是近年提出的一种PLS改进算法,在质量相关故障检测中具有良好的检测效果,但当测试数据含有质量无关故障时,EPLS算法的误报率偏高,可能导致误报警,对工业过程中的故障检测有较大影响.为降低检测质量无关故障的误报率,将EPLS结合4种正交信号修正(OSC)方法提出4种OSC-EPLS算法.用质量无关故障样本建立OSC模型对在线监测数据进行预处理,将处理后的信息用EPLS算法进行故障检测,误报率明显降低.最后结合田纳西-伊斯曼工业过程,应用OSC-EPLS、PLS、EPLS算法进行故障检测,分别比较误报率和有效报警率的大小,体现所提出算法在故障检测中的优势.     

青霉素生产过程的在线统计监测与产品质量控制

将多向偏最小二乘(MPLS)方法应用于青霉素间歇生产过程的建模与故障诊断中。从青霉素反应过程的特点来看,数据具有多维性,应用传统的偏最小二乘方法会使过程的统计建模与故障诊断难以实现。MPLS可对间歇过程的多维数据沿变量方向进行分割,使得多批量的数据可以在过程的各操作阶段建立相应的PLS模型,从而完成对该反应过程的实时监视与故障诊断。运用T2统计、Q统计方法,结合贡献图对过程进行了仿真分析,从理论分析和仿真实验结果的一致性,证明了该方法在青霉素生产过程的故障检测与诊断方面是可行的。     

基于高效核偏最小二乘的质量相关故障检测

核偏最小二乘(KPLS)是一种多元统计方法, 广泛应用于过程监控, 然而, KPLS采用斜交分解, 导致质量相关空间存在冗余信息易引发误报警. 因此, 本文提出了高效核偏最小二乘(EKPLS)模型, 所提方法通过奇异值分解(SVD)将核矩阵正交分解为质量相关空间和质量无关空间, 有效降低质量相关空间中的冗余信息, 并采用主成分分析(PCA)按方差大小将质量相关空间分解为质量主空间和质量次空间. 此外, 为进一步降低由质量无关故障引发的误报警, 提出基于质量估计的正交信号修正(OSC)预处理方法, 并结合EKPLS模型提出了OSC-EKPLS算法. OSCEKPLS通过质量估计值对被测数据进行OSC预处理, 降低了计算复杂度和误报率. 最后, 通过数值仿真和田纳西–伊斯曼过程验证了OSC-EKPLS具有良好的故障检测性和更低的误报率.     

基于偏最小二乘得分重构的质量相关故障检测

偏最小二乘(PLS)作为一种典型的多元统计分析方法被广泛用于多变量统计过程监测,通常要求数据满足高斯–马尔科夫定理.当数据存在多模态或过程变量非线性相关时,基于PLS方法的故障检测性能将受到影响.为此,本文提出一种基于PLS得分重构的故障检测方法(SR–PLS).首先,利用PLS将输入空间分解为质量相关空间与质量无关空间;其次,利用类k邻近规则(k NN)对当前得分向量进行重构,得到重构得分向量;最后利用重构得分构造统计量,由核密度估计(KDE)得到控制限,进行故障检测.本方法降低了变量间的非线性与数据多模态对过程故障检测的影响,提高了故障检测率.将所提方法应用于两个数值仿真例子与田纳西伊士曼过程(TEP),并与PLS,KPLS, LNS–PLS进行对比分析,证明该算法的优越性与有效性.     

基于规范变量残差的化工过程微小故障检测与诊断

微小故障因其幅值低而易被噪声和过程扰动所掩盖,并且会随时间慢慢演变成过程中的严重故障.因此,微小故障的检测和诊断变得越来越重要.为了更有效地监测和诊断微小故障,提出了基于规范变量残差的化工过程微小故障检测和诊断方法.首先,对Hankel矩阵执行奇异值分解来获得主元和残差空间并根据过去和未来数据的差异,求得两个不同的规范...     

基于动态高效潜结构投影的质量相关故障检测

高效潜结构投影(EPLS)算法是一种反映过程变量与质量变量相关关系的多变量统计分析方法,在质量相关故障检测中具有良好的检测效果.然而EPLS算法是一种静态检测模型,不能反映实际工业过程或装备测试中的动态特性,对动态过程中质量相关故障的检测率较低.为此,本文提出了一种基于自回归移动平均模型(ARMAX)的动态高效潜结构投...     

基于贡献率法的非线性工业过程在线故障诊断

在过去几十年,核主成分分析（KPCA）已经广泛应用在数据驱动的过程监测领域. 大量的应用案例显示该算法简单、易用且有效. 然而,核函数的引入使得KPCA不能直接利用传统的贡献图方法进行故障诊断. 本文在重新审视和分析现有KPCA相关诊断方法的基础上,提出了一类新的贡献率方法,该方法能较清晰地解释故障变量. 在此基础上,建立了一套面向非线性在线故障诊断的框架. 最后,将该诊断框架应用到CSTR过程,结果显示该方法较传统的线性方法更有效.     

闭环系统故障诊断技术综述

本文着眼于闭环环境下动态系统中的故障诊断问题.介绍了目前闭环系统故障诊断的研究意义, 特别关注了开闭环故障诊断的不同,并概述了现有的闭环系统故障诊断方法. 通过仿真实验比较了典型开环系统和闭环系统中故障诊断的不同性能.最后探讨了闭环系统故障诊断研究中 亟待解决的问题以及未来可能的研究方向.     

动态系统间歇故障诊断技术综述

介绍了间歇故障的概念,对间歇故障的背景和产生原因以及间歇故障诊断问题的研究意义进行了分析,以间歇故障的成因、幅值特性和不同时刻发生故障之间的相关性等为依据,对间歇故障进行了 分类. 然后对间歇故障诊断的研究现状进行了概述,把目前间歇故障诊断的方法大体分为定性分析和定量分析两大类,并对每一类现有 的方法进行细分,对每种方法的基本思想、优劣特点和适用条件进行了概述 和讨论. 最后探讨了间歇故障诊断研究中亟待解决的问题.     

基于改进高效偏最小二乘的质量相关故障诊断

高效偏最小二乘(EPLS)作为偏最小二乘(PLS)的扩展算法之一, 在质量相关故障检测中取得了良好的应用 效果. 然而, 研究发现当系统中存在一些与产品质量无关的信息时会导致EPLS的检测率降低, 影响工业生产安全及 效益. 同时, 传统的基于贡献图的故障诊断方法在无故障时输入变量会对故障检测指标的贡献值不均等, 从而影响 故障诊断效果. 针对上述问题, 本文提出了一种改进高效偏最小二乘(IEPLS)的质量相关故障诊断方法. 所提方法首 先用正常数据建立IEPLS算法模型, 利用获得的模型参数对过程变量进行空间分解. 然后在分解后的空间中定义局 部信息增量均值和局部动态阈值, 结合故障判据进行故障检测. 当故障发生后, 利用每个变量的新息矩阵计算对故 障总体的新息贡献率, 根据各个变量新息贡献率大小实现对故障变量的定位. 最后, 使用田纳西伊士曼过程(TEP)对 算法性能进行了验证.     

复杂动态系统中不同层次故障检诊模块的综合设计

为解决复杂动态系统中不同层次故障检诊模块的协调管理和高效运行问题,研究了其综合设计方法。该方法对复杂动态系统层次建模,提出检诊进程概念以描述系统不同层次的故障检诊,同时建立了检诊进程通用模型,使大部分现存检诊算法可方便地纳入其中,实现了不同层次检诊进程的信息交换与综合设计。数字仿真表明,综合设计不但能提高各模块检诊能力,而且可以总体上提高其应付常规方法难以处理的复杂故障情况。     

全相关核偏最小二乘故障诊断方法及在抽油机上应用

针对油田抽油机生产数据存在强非线性和强耦合性, 导致故障诊断困难的问题, 本文提出一种全相关动态 核偏最小二乘(FCDKPLS)故障诊断方法. 首先, 构建抽油机生产数据自回归模型, 反映数据变量间的动态特性; 其 次, 分析了KPLS算法中输出变量与输入变量残差子空间的相关性, 为此, 在输出模型上构建一个辅助矩阵, 从而表 征输入变量与输出变量的全相关性, 建立输入变量和输出变量之间更直接的联系. 最后, 将提出的全相关动态偏最 小二乘方法应用于抽油机过程故障诊断, 实验结果表明本文提出方法的有效性.     

基于OSC-DPLS模型的故障诊断方法研究

现代工业生产中,系统的安全性和可靠性显得尤为重要。为了保障生产安全可靠运行,结合一种数据预处理方法—正交信号修正(OSC),提出了基于OSC-DPLS模型的故障诊断方法。利用OSC方法对过程数据进行预处理,并对处理后的数据建立DPLS模型,从而在简化模型的同时,大大降低了误报率,显示了更好的诊断效果。对TE过程的仿真结果表明了所提出算法的可行性及有效性,及其比普通的DPLS模型更好的诊断效果。     

质量相关的带钢热连轧过程监控

带钢热连轧过程控制是钢铁制造过程极其复杂的过程,近年来随着市场对带钢产品质量要求的日益提高,提高热连轧带钢质量具有广泛的经济和社会效益。为了确保热连轧过程安全运行,同时提高产品质量,有必要对热连轧过程的异常状况或故障进行检测、诊断和消除。以多元统计过程监控技术(MSPM)为理论指导,以主元分析(PCA)和偏最小二乘方法(PLS)为依托,研究和分析了PCA和PLS以及二者与核函数结合构成的核主元分析方法(KP-CA)和核偏最小二乘方法(KPLS)在热连轧机质量相关的故障分析与检测,通过现场数据及实验验证,在厚度质量相关的故障检测与诊断中取得较好的效果。     

基于PCA多变量统计的故障检测与诊断

主元分析(PCA)是一种能够对过程生产进行监测和质量控制的有效方法,在保证数据信息丢失最少的情况下,大大降低了原始数据空间的维数。为了更好地进行故障检测与诊断,介绍了基于PCA多变量统计的故障检测与诊断,给出了广泛应用在多变量统计过程上的T2和Q(或SPE)统计量。利用PCA分析建模可以消除变量间的非线性关联,降低噪声影响。用田纳西-伊斯曼过程TEP(Tennessee-Eastman Process)平台产生仿真数据,并利用Matlab软件建立故障检测与诊断模型。通过T2和Q(或SPE)统计量与其阈值的判断,进行对系统的故障检测与诊断。实验表明,基于PCA的故障诊断方法能够对过程的非正常变化做出反应,也能较正确地找出发生故障的原因以及相应环节。     

基于多重局部重构模型的连续过程故障诊断

为了提高故障诊断性能, 本文对故障特征随时间发展变化的多样性进行了探讨分析. 本文揭示了故障过程呈现时变特性, 即故障过程在不同时段反映出不同的变量相关性, 提出了一种故障时段划分算法. 该算法将故障划分为不同时段, 在每一个时段中, 故障特征被认为是基本类似的. 在此基础上, 针对不同时段建立了不同的故障分解模型, 并揭示了不同故障状态与正常状态的关系. 通过划分不同故障特征, 可以区分不同的故障特征, 建立更精确的重构模型. 该方法很好地阐述了故障的演变行为特征, 能够更精确地进行故障重构从而确定故障原因. 通过在田纳西伊士曼仿真过程上的应用验证了该方法的可行性及诊断性能.