【正文】 ysis. Chemometriics and Intelligent Laboratory Systems, 2:37, 1987. [24]B. M. Wise, N. L. Ricker, and D. . Upset and sensor failure detection in multivariate processes. Technical report, Eigenvector Research, Manson, Washington,1989. [25]W. W. Hines and D. C. Montgomery. Probability and Statistics in Engineering and Management Science. John Wiley amp。 Sons, New York, 3rd edition,1990. 選題是否合適： 是□ 否□ 課題能否實現(xiàn)： 能□ 不能□ 指導教師（簽字） 年 月 日 選題是否合適： 是□ 否□ 課題能否實現(xiàn)： 能□ 不能□ 審題小組組長（簽字） 年 月 日 摘 要 多變量統(tǒng)計過程控制理論、小波分析理論為基礎，結合獨立成分分析 (ICA, Independent Component Analysis )的建模原理，建立基于 ICA 的生產(chǎn)過程監(jiān)控系統(tǒng)。 針對傳統(tǒng)多變量統(tǒng)計過程監(jiān)控技 術要求過程信息服從正態(tài)分布的約束性，應用基于獨立成分分析方法的過程監(jiān)控方法對過程監(jiān)控與故障診斷的研究。本文以過程監(jiān)控變量為研究對象，通過對歷史數(shù)據(jù)進行小波降噪和獨立成分分析，建立優(yōu)化的獨立元模型，利用獨立元模型對 “生產(chǎn)模擬控制系統(tǒng) ”的仿真實時數(shù)據(jù)進行在線監(jiān)控，采用 SPE 統(tǒng)計量、 2dI 統(tǒng)計量和 2eI 統(tǒng)計量判斷系統(tǒng)是否發(fā)生故障。檢測到異常變化時，使用變量貢獻圖確定故障源，實現(xiàn)故障的分離。研究結果表明：對于受噪聲污染的過程信息，與傳統(tǒng) 獨立成分分析方法相比，基于小波降噪 獨立成分分析方的過程監(jiān)控方法具有更低的誤報率和漏報率，提高了過程性能監(jiān)控和故障診斷的準確性，從而進一步證實了此方法的有效性。 關鍵詞： 過程監(jiān)控 。ICA。小波分析 。 ABSTRACT The process monitoring and fault diagnosis is one of the most impotant problem in the process industry. Through monitoring the state of the production process,detecting the fault,process upsets and other abnormal events promptly,locating and removing the factors causing such event,the safety of production process will be assured and the quality of the product will be improved. With the development of Production Process Technology, Process performance monitoring is an important development direction and this paper analyses the current situation of multivariate statistical process monitoring control (MSPC) method and the technology in the field of process monitoring. Based on the theory of MSPC and wavelet analysis， building up the independent ponent analysis(ICA) modeling theory. For the limitation of traditional MSPC method’s assumption that process information must be subjected to normal distribution, ICA is applied to fault diagnosis. This paper for process monitoring variables as research object, building up through out the independent ponent analysis of historical data under normal operation. Useing SPE, 2dI and 2eI statistic to detect the realtime online to judge if there is a system fault, and making use of the variable contribution diagram to find the fault source for the fault separation. The result shows that: for the process information being polluted by industrial noise, pare with traditional ICA process monitoring method， the ICA process monitoring with wavelet denoising has low Omission and false alarm rate, improves the accuracy of process performance monitoring， and further testifies that the validity of ICA with wavelet denoising. Building up ICA as process monitoring algorithm, Visual and as development tool, training system as data environment to realize online monitoring and fault display of the oilgaswater separation system. Key words: Process monitoring。ICA。wavelet analys 1 目 錄 第一章 緒論 ...................................... 1 引言 .................................................................................... 1 過程監(jiān)控基本概念 ............................................................. 1 過程監(jiān)控的常用技術 ......................................................... 2 基于多變量統(tǒng)計方法的過程監(jiān)控的研究現(xiàn)狀 .................. 5 本文主要研究內容 ............................................................. 6 第二章 獨立成 分分析法監(jiān)控理論 .................... 7 ICA 概述 ............................................................................. 7 ICA 的基本模型及約束條件 .............................................. 7 ICA 的估計原理 .................................................................. 9 ICA 的基本算法 ................................................................ 12 第三章 小波降噪 獨立成分分析方法分析 ............ 14 小波變換的基本理論 ....................................................... 14 小波降噪的基本原理 ....................................................... 15 第四章 基于小波降噪 ICA 的過程監(jiān)控仿真 ......................... 18 過程監(jiān)控 ICA 模型的建立 ............................................... 18 變量貢獻圖 ...................................................................... 22 離散系統(tǒng)多變量過程 ....................................................... 23 第五章 總結與展望 ................................................................... 26 總結 .................................................................................. 26 展望 .................................................................................. 26 參考文獻 ............................................................................................ 27 外文資料 2 中文翻譯 致 謝 天津大學仁愛學院 2020 屆本科生畢業(yè)設計（論文） 1 第一章 緒論 引言 流程工業(yè)是國民經(jīng)濟發(fā)展中極為重要的支柱產(chǎn)業(yè)，在工業(yè)結構中，流程工業(yè)涉及的行業(yè)十分廣泛，主要包括石油、化工、冶金、制藥、電力等原材料加工和能源工業(yè)，其生產(chǎn)過程一般是連續(xù)的或成批的，需要嚴格的過程控制和安全性措施，具有工藝過程相對固定、生產(chǎn)周期短、產(chǎn)品規(guī)格少批量大等特點 [1]。 隨著計算機科學的發(fā)展，尤其是計算機技術、自動控制技術、通信技術水平的日益提高，流程工業(yè)不斷的向大型化、集成化、復雜化和精細化的方向發(fā)展，故障發(fā)生的可能性也隨之增加；同 時，市場競爭的加劇，能源、環(huán)保要求的提高，迫使人們不得不考慮工業(yè)設備及控制系統(tǒng)的可靠性和安全性。如果過程出現(xiàn)了故障不能及時排除，不僅會讓企業(yè)蒙受巨大的經(jīng)濟損失，而且嚴重威脅著人身安全，造成嚴重的環(huán)境污染。為了保證生產(chǎn)的穩(wěn)定、高效、安全運行和產(chǎn)品質量的一致性，對流程工業(yè)的復雜生產(chǎn)過程進行快速有效的實時監(jiān)控顯得越來越重要，作為其中一個可靠的解決手段，工業(yè)過程性能監(jiān)控和故障診斷逐步成為過程控制領域的研究熱點，并成為構成系統(tǒng)可靠性、安全性、維修性等學科的關鍵技術之一，在現(xiàn)代化生產(chǎn)過程中不僅有著深刻的理論價值，更具有 不容忽視的現(xiàn)實指導意義。 過程監(jiān)控基本概念 流程工業(yè)中的過程監(jiān)控又常稱為故障診斷，它與標準過程控制既有具有共同點，兩者都是在系統(tǒng)受到擾動或發(fā)生過程異常變化時，采取一定的措施，使系統(tǒng)工作保持穩(wěn)定，進而提高系統(tǒng)的工作性能。 從廣義上講，過程監(jiān)控就是對過程監(jiān)控系統(tǒng)運行中的各種狀態(tài)信息和已有知識信息進行綜合處理、最終得到關于系統(tǒng)運行狀態(tài)和故障狀況的綜合評價過程。實時有效的過程監(jiān)控可以提高系統(tǒng)運行的安全性和保障性，減少停產(chǎn)時間，降低生產(chǎn)成本， 優(yōu)化其生產(chǎn)結構 。過程監(jiān)控系統(tǒng)主要對生產(chǎn)過程的運行狀態(tài)進行監(jiān)督，不 斷檢測過程的變化和故障信息，以防止災難性事故的發(fā)生，同時減少產(chǎn)品質量的波動等 [2]。 過程監(jiān)控的目的主要是監(jiān)視生產(chǎn)過程的運行狀態(tài)，推斷系統(tǒng)是否正常運行，通過不斷檢測過程變化和故障信息，提高過程系統(tǒng)運行的安全性和可靠性。過程監(jiān)控的目標就是推導出對所有可能的故障都具有最大靈敏度和魯棒性的量度，通過對過程的異常變化進行分析，判別系統(tǒng)是否發(fā)生故障，并對故障幅度進行定量分析，確定故障類型、位置、量級和時間。必要時進行過程干預和恢復。 過程監(jiān)控的核心為過程故障檢測。對于大多數(shù)流程工業(yè)系統(tǒng)而言，過程監(jiān)控的任務由低級到高級 主要包括過程故障檢測、過程故障識別、過程故障診斷、過程故障評價與天津大學仁愛學院 2020