基于统计理念之多模态工业程序建模与管控方法分析

《基于统计理念之多模态工业程序建模与管控方法分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于统计理念之多模态工业程序建模与管控方法分析第1章绪论1.1引言科技的进步使流程工业的生产方式发生了巨大变革。随着控制理论的发展、计算机技术的进步以及各种自动化生产设备在工业过程中的应用，生产设备日趋大型化、高速化、自动化和智能化。由于化工工业过程本身的特点，其生产环境往往存在高温高压，或低温真空等极端条件，即使一处非常微小的异常都可能会导致在空间和时间上相去甚远的另一处信号的巨幅振荡并且导致生产装置状态的恶化，甚至会引发局部停车、全局停车、爆炸，设备损毁或人身伤亡等严重事件。另一方面，尽管一些故障不会造成系统停车，但随着生产过程的进

2、行，故障的积累与传播效应亦会对产品质量等级、生产成本、排放等方面造成不良影响。因此，研究工业过程监控技术，及时跟踪系统运行的过程轨迹，检测到故障发生时及时报警，并对导致警报的过程变量进行识别和定位，是具有实际应用价值的，也受到了学术界和工程界的全面重视。在这种背景下，对工业过程的监控技术的研究成为了我国近20年来控制领域的研究热点之一。工业过程监控是一门综合性技术，涉及多门学科和理论，包括现代控制理论、可靠性理论、概率论与统计、模糊集理论、信号处理、模式识别、机器学习、人工智能等。通常认为，工业过程监控技术包括故障检测、故障识别以及故障

3、诊断三个主要步骤。故障检测从过程可测量信息(或不可测量变量的估计信息)中提取出描述过程特征的信息，判断过程是否发生了故障。快速准确地检测出故障有利于及早地采取措施，避免可能危害生产安全和人生安全的严重问题的出现。故障识别的功能在于检测到故障发生后，将与故障有关的监控变量识别出来，从而将重点检查范围直接缩小至与故障相关的变量上。故障诊断是在找出故障发生位置及其相关变量之后，确定故障类型、幅度、发生时亥IJ,危害程度，以便及时采取措施消除故障。一般认为，过程故障根据故障可以分为两类：一类是在控制回路中出现的故障，如传感器故障，执行器故障，数

4、模转换等计算机接口故障，控制器故障等；另一类是指生产过程中的变量偏离正常运行范围，如进料速率减慢，排气率降低、反应器内压力过大或过小、液位超出正常范围等等，这类故障的发生将导致产品质量下降和生产效率降低，直接影响工厂的效益⑴。此外，过程故障也可以从表现形式来分类，包括脉冲型故障，阶跃型故障，慢漂移故障以及设备或控制器性能下降造成的故障[2]。到目前为止，任何一项过程监控技术都不可能丝毫无差的及时检测出工业过程全部类型的故障，因此提高故障的检测率，降低故障的误报率(Type-1-Error，指未发生故障而报警)和漏报率(Type-11-E

5、rror,发生故障却没有报警)始终是过程监控方法的研究重点[3]。按照所需要的过程先验知识的不同，我们将过程监控方法划分为四类：（i)基于定量模型的方法；(ii)基于知识的方法；（iii)基于信号处理的方法；以及(iv)基于统计的方法。如图1.1所示。基于定量模型的监控方法适用于航空业、精密制造业等相对容易通过机理建模方法获得明确过程特性描述的工业领域[4]。基于知识的监控方法通用性比较差，需要结合具体的应用对象，并依靠详尽的过程知识和操作经验基于统计的方法则是建立在对过程的测量数据进行信息处理的基础上，近年来已成为化工过程监控及故障诊

6、断中十分活跃的研究领域I6]。随着集散控制系统(DistributedControlSystem,DCS)和监督控制及数据采集系统(SupervisoryControlandDataAcquisition,SCADA)在工业过程中的广泛应用，大量工业数据被釆集并储存在历史数据库中。这些数据中蕴含着大量的过程信息，包括温度、压力、流量、液位和成分等传感器参量，经过适当的工艺分析与计算处理手段，现场操作人员可以得到体现生产装置运行状况(质量、产量、能耗、成本、安全)等的详细信息。通过统计信息处理方法与机器学习、信息处理、信息融合等领域技术成

7、果相结合，挖掘出数据中隐含的信息，从而指导操作工进行生产。基于统计理论的过程监控与故障检测方法主要是对生产过程积累的大量历史数据以及实时检测参数加以有效的信息处理和利用，这种方法通用性较强，适合复杂工业过程应用，在近年来得到长足发展，取得了一批研究和应用成果。第2章基于局部马氏距离的集成统计监控指标2.1引言多变量统计过程监控(MultivariateStatisticalProcessMonitoring,MSPM),在过去的二十多年里取得了丰硕的理论和应用成果。与传统的机理模型相比，MSPM无需事先确定过程的知识细节与变量之间的量化

8、关系，而是通过分析工业生产中搜集到的过程数据，建立描述式的统计模型，并采用概率方法构造出正常数据的置信区间，进而判定当前过程是否有故障发生。这种监控方式对于多变量、强耦合、非线性、反应机理复杂的化工过程非常