基于TE的化工过程故障诊断算法研究

《基于TE的化工过程故障诊断算法研究》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、硕士学位论文摘要化工在工业生产中占有举足轻重的地位，它几乎涉及到人们生活的各个方面，近年来，随着科学技术，尤其是计算机技术的飞速发展，化工过程生产装置的规模越来越大，工艺越来越复杂，投资越来越大，自动化水平越来越高，因此化工过程的安全性和可靠性就显得特别重要。采用故障诊断技术来提高化工过程的安全性和可靠性是一种有效而重要的方法，因此对化工过程进行故障诊断研究具有极其重要的价值。本文详细介绍了各种故障诊断方法、TE过程模型和各种多变量统计方法，介绍了利用多变量平方预测误差法和Hotelling于统计法进行故障检测，以及利用贡献图进行故障辨识的基本原理。主

2、要针对主元分析法和核主元分析法进行故障诊断时存在的主要优缺点进行了研究，并在TE化工过程中进行了仿真应用研究，针对主元分析法无法应用于非线性过程的缺点，提出了核主元分析法；针对化工过程复杂非线性，并且含有噪声和随机干扰的特点，提出了小波去噪与核主元分析相结合的方法；针对核主元分析法计算量大、耗时的缺点，提出了基于特征矢量选择的核主元分析方法；针对核主元分析法故障辨识能力差的缺点，提出了利用计算核函数的偏导数来求取核主元分析监控中每个原始变量对统计量T2和SPE的贡献率，再根据每个变量对监控统计量贡献程度的不同，来诊断出故障源的思想。TE过程的应用研究验

3、证了改进算法的可行性和优越性，达到了预期的效果。关键词：故障诊断；TE过程；故障检测；多变量统计；主元分析；核主元分析；特征矢量选择基于TE的化工过程故障诊断算法研究AbstractChemicalindustryplaysaveryimportantroleinindustrialproduction，itinvolvesalmostallaspectsofpeople’Slives．Inrecentyears，alongwiththedevelopmentofscienceandtechnology，especiallycomputertechno

4、logy，productionunitsofchemicalindustrybecomebiggerandbigger,technologicalprocessesbecomemorecomplex，amountsofinvestmentbecomelargerandlarger，automaticlevelbecomeshigherandhigher．Therefore，thesecurityandreliabilityofchemicalprocessismoreimportant．Thereisaremanymethodstoimprovesys

5、tem’S，faultdiagnosistechnologyisaveryeffectiveandimportantmethodtoimprovethesecurityandreliabilityofchemicalprocess．Soresearchonfaultdiagnosishasvitallyimportantvalueforchemicalindustryprocess．Thethesisintroducesthemethodsoffaultdiagnosis，TennesseeEastmanmodelandmultivariatestat

6、isticalmethodsindetail，andintroducesthebasicprincipleofmulti-variablesquaredpredictionerrormethod，HotellingT2statisticalmethodforfaultdetectionandcontributionmaptoidentifyfault．Mainadvantagesanddisadvantagesofmethodsofprincipalcomponentanalysisandkernelprincipalcomponentanalysis

7、areanalyzedforfaultdiagnosis，andsimulationsareappliedtoTennesseeEastmanchemicalprocess．Aimedattheshortcomingofprincipalcomponentanalysiswhichcannotbeappliedtothenonlinearprocess，themodifiedkernelprincipalcomponentanalysismethodisdeveloped．Anintegratedfaultdetectionmethodbasedonw

8、aveletdenoisingandkernelprincipalcomponentanaly