浅议基于主元分析传感器故障检测、辨识与重构的研究

《浅议基于主元分析传感器故障检测、辨识与重构的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、沈阳化工学院硕士学位论文基于主元分析传感器故障检测、辨识与重构的研究姓名：孙娇华申请学位级别：硕士专业：控制理论与控制工程指导教师：李元20031231沈阳化工学院硕士学位论文摘要随着科学技术和自动化水平的不断提高，现代工业过程的自动化控制朝着大型化、复杂化的方向发展，这类系统和设备一旦发生故障，不仅造成巨大的经济损失，甚至造成人员伤亡和环境污染。故障诊断就是对控制系统进行故障检测与诊断，并对故障的原因、故障频率、故障的危害程度及趋势预测等的内容进行分析判断，为确诊故障点、及早采取维修、防护等补救措施

2、提供科学的决策依据。故障检测和诊断技术(FDD)是近年来国际控制理论研究和实际应用的热点问题之一。这项技术己取得了许多应用成果，并被广泛应用于各种生产过程。主元分析是多元统计分析方法中常用的一类方法，主要是基于原始数据空间，通过构造一组新的潜隐变量以降低原始数据空间的维数，再从新的映射空间抽取主要变化信息，提取统计特征，从而构成对原始数据空间特性的理解。本文针对过程系统控制中存在的大量测量传感器，深八研究了基于主元分析(PCA)方法的传感器故障的检测、辨识和重构问题。进行主元分析时，需要建立一个反映正

3、常工况的主元模型。HotellingT2和预测误差平方和(SPE--SquaredPredictionError)是主元分析中用于过程监视的两个典型的统计量。在主元模型下，应用T2和SPE对传感器测量数据进行检测，共有四种可能的检测结果。根据四种检测结果的特点，本文将传感器故障划分为两种类型：SPE型传感器故障和于型传感器故障。针对不同故障类型，分别进行故障的检测、辨识和重构问题的研究。对于SPE型传感器故障的研究，当采样数据的检测统计量预测误差平方和(SPE)超限，则被检测为故障数据，并根据这一检测

4、特点，定义传感器有效度指标进行SPE型传感器故障的辨识。根据故障重构后SPE将减小到最小的特点，从而完成了故障传感器的准确重构。并在故障重构的基础上t根据未重构误差方差向主元子空间口cs)投影得到的值单调递增，而向残差子空间很s、投影得到的值单调递减的特点，研究了求取撮优主元数的方法。对于T2型传感器故障的研究，本文创新性地将故障临界值与传感器变量的相关系数结合，完成了当采样数据的检测统计量f超限而SPE未超限时，是T2型传感器故障还是正常过程扰动的检测。另外，采用改进PCA方法，应用两个新的检测统计

5、量替代PCA中统计量SPE，并在SPE型传感器故障辨识、重构理论基础，成功地完成了T2型传感器故障的辨识、重构。本文的创新之处在于对f型传感器故障的研究，通过细致分析，从而进一步丰富和完善了基于PCA方法的故障检测理论，并将研究结果应用于化工生产过程的实验中，取得了较好的效果，充分证明了理论方法的合理性与有效性。关键词：主元分析(PCA)、主元子空问(PCS)、残差子空间(Rs)、故障临界值、未重构误差方差(VRE)、复相关系数、有效度指标鲨I塑些三堂堕堡主兰垡堡兰————————————————』!

6、墨一ABSTRACTWiththerapiddevelopmentofnewtechnologyandautomation，automaticcontrolsystemsformodernindustrialprocessestrendtocomplexityandmulti-scale．Ifthesesystemshavefaults，itnotonlybringstheeconomiclosingbutalsodoesharmforhumanbeingandenvironment．Theaimof

7、faultdiagnosisistodetectanddiagnosefaultincontrolsystem，andfindsandfaultsource，frequency，severity，tendencyere，andprovidessciencedecisionforsettingfaultpointandassuringthesystemworkwell．Faultdetectionanddiagnosisisoneofhotissuesforinternationalcontrolthe

8、oryresearchandpracticalapplication．Applicationachievementshavebeenacquiredandextensivelyappliedtoindustrialprocesses．Principalcomponentanalysis(PCA)isoneofmultivariablestatisticalanalysis．PCAistoconstructanewsetofvariableswhichar