【正文】 trial 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。研究結(jié)果表明：對(duì)于受噪聲污染的過(guò)程信息，與傳統(tǒng) 獨(dú)立成分分析方法相比，基于小波降噪 獨(dú)立成分分析方的過(guò)程監(jiān)控方法具有更低的誤報(bào)率和漏報(bào)率，提高了過(guò)程性能監(jiān)控和故障診斷的準(zhǔn)確性，從而進(jìn)一步證實(shí)了此方法的有效性。 Sons, New York, 3rd edition,1990. 選題是否合適： 是□ 否□ 課題能否實(shí)現(xiàn)： 能□ 不能□ 指導(dǎo)教師（簽字） 年 月 日 選題是否合適： 是□ 否□ 課題能否實(shí)現(xiàn)： 能□ 不能□ 審題小組組長(zhǎng)（簽字） 年 月 日 摘 要 多變量統(tǒng)計(jì)過(guò)程控制理論、小波分析理論為基礎(chǔ)，結(jié)合獨(dú)立成分分析 (ICA, Independent Component Analysis )的建模原理，建立基于 ICA 的生產(chǎn)過(guò)程監(jiān)控系統(tǒng)。 — 撰寫論文，準(zhǔn)備答辯。完 成開(kāi)題報(bào)告。 (2) 以 MATLAB 為過(guò)程監(jiān)控平臺(tái)。 針對(duì)傳統(tǒng)多變量統(tǒng)計(jì)過(guò)程監(jiān)控技術(shù)要求過(guò)程信息服從正態(tài)分布的約束性，應(yīng)用基于獨(dú)立成分分析方法的過(guò)程監(jiān)控方法對(duì)典型生產(chǎn)過(guò)程監(jiān)控與故障診斷的研究。 三、研究?jī)?nèi)容 利用 MATLAB 實(shí)現(xiàn)基于獨(dú)立成分分析的流程工業(yè)過(guò)程監(jiān)控方法的研究與仿真。幾年來(lái)，過(guò)程監(jiān)控已經(jīng)成為過(guò)程自動(dòng)化和過(guò)程控制領(lǐng)域的重要研究方向，并成為構(gòu)成系統(tǒng)可靠性、安全性、維修性等學(xué)科的關(guān)鍵技術(shù)之一。 ICA 方法最早是由法國(guó)的 和 于 80年代中期提出來(lái)的，現(xiàn)在常稱他們的方法為 HJ 算法，可以說(shuō)是最經(jīng)典的 ICA算法之一。） 掌握 MATLAB 的基本使用方法，能夠獨(dú)立完成基本的算法設(shè)計(jì)。） 工作基礎(chǔ)：了解數(shù)據(jù)挖掘技術(shù)的基本方法，能熟練使用 MATLAB 軟件。 研究條件： 利用 MATLAB 實(shí)現(xiàn)基于獨(dú)立成分分析的流程工業(yè)過(guò)程監(jiān)控方法的研究與仿真。 研究基于 ICA 方法的故障診斷 的方法和程序?qū)崿F(xiàn)。目前比較流行的 ICA 算法有 Infomax 算法（信息最大化）、 FastICA算法（定點(diǎn)算法， Fixedpoint、快速 ICA 算法），犯非法分類的依據(jù)主要是求取分離矩陣 W 的方法不同。 二、國(guó)內(nèi)外發(fā)展現(xiàn)狀 獨(dú)立成分分析（ ICA）作為近年來(lái)發(fā)展起來(lái)的一種新的統(tǒng)計(jì)信號(hào)處理方法，與傳統(tǒng)的 PCA 方法相比，它更有效的利用了高價(jià)信息統(tǒng)計(jì)量和非高斯信息，并能對(duì)數(shù)據(jù)的獨(dú)立性問(wèn)題作出 分析。以主元分析（ PCA）和偏最小二乘（ PLS）為代表的多元統(tǒng)計(jì)方法事先假定測(cè)量數(shù)據(jù)服從同一正態(tài)分布，而且來(lái)自單一的穩(wěn)定工況，事實(shí)上，對(duì)于實(shí)際 的化 工過(guò)程而言，大多數(shù)變量并不服從正態(tài)分布，實(shí)際的過(guò)程信息是高斯信息和非高斯信息的混合體。對(duì)生產(chǎn)過(guò)程正常運(yùn)行狀態(tài)下的歷史數(shù)據(jù)進(jìn)行小波降噪和獨(dú)立成分分析，建 立優(yōu)化的獨(dú)立元模型，利用獨(dú)立元模型對(duì)生產(chǎn)過(guò)程仿真實(shí)時(shí)數(shù)據(jù)進(jìn)行在線監(jiān)控，采用 SPE 統(tǒng)計(jì)量、 2dI 統(tǒng)計(jì)量和 2eI 統(tǒng)計(jì)量判斷系統(tǒng)是否發(fā)生故障。應(yīng)用優(yōu)化的 ICA 模型對(duì)仿真實(shí)時(shí)數(shù)據(jù)進(jìn)行在線監(jiān)測(cè)，采用 DDE 動(dòng)態(tài)數(shù)據(jù)交換的方法將實(shí)時(shí)數(shù)據(jù)傳送到 MATLAB 后臺(tái)服務(wù)器程序計(jì)算 SPE 統(tǒng)計(jì)量、 2dI 統(tǒng)計(jì)量和 2eI 統(tǒng)計(jì)量實(shí)時(shí)值，并將與相應(yīng)的控制限相比判斷系統(tǒng)是否發(fā)生故障；使用變量貢獻(xiàn)圖確定故障變量，完成過(guò)程在線監(jiān)測(cè)與故障診斷。 — 掌握 MATLAB 的 M 文件編程。 二、參考文獻(xiàn) [1]劉磊 ,張宇明 ,錢積新 .統(tǒng)計(jì)過(guò)程在連續(xù) 生產(chǎn)中的應(yīng)用 [J].化工自動(dòng)化及儀表 ,第 24 卷，1995. [2]于俊英 ,連岳 .SPC 在柔性設(shè)計(jì)制造中心生產(chǎn)加工中的應(yīng)用 [J].航空制造技術(shù) , 2020. [3]張公緒 ,孫靜 .統(tǒng)計(jì)過(guò)程控制與診斷 [J].質(zhì)量與可靠性 ,2020. [4]劉階萍 ,羅振璧 ,陳禹六 .工序能力指數(shù)的統(tǒng)計(jì)分析與改進(jìn) [J].北京科技大學(xué)學(xué)報(bào) ,第 26 卷第 2 期 ,2020. [5]高巖 ,楊慧中 .一種主元分析方法在聚合生產(chǎn)過(guò)程故障檢測(cè)與診斷中的應(yīng)用 [J].江南大學(xué)學(xué)報(bào)（自然科學(xué)版） , 2020. [6]王海清 ,宋執(zhí)環(huán) ,李平 .改進(jìn) PCA 及其在過(guò)程監(jiān)控與故障診斷中的應(yīng)用 [J].化工學(xué)報(bào) , 第 52 卷第 6 期 , 2020 年 6 月 . [7] and ,Statistic Process Control of Multivariate Processes [J], Control Practice, , , 403414. [8]R. Isermann and P. Ball. Trends in the application of model based fault detection and diagnosis of technical processes. In Proc. of the 13th IFAC World Congress, volume N, pages 112, Piscataway, New Jersey, 1996. IEEE Press. [9]P. Kesavan and J. H. Lee. Diagnostic tools for multivariable modelbased control systems. Ind. Eng. Chem. Res. , 36: 27252738, 1997. [10]J. E. Jackson. Quality control methods for two related variables. Industrial Quality Control, 7:26, 1956. [11]J. E. Jackson. Quality control methods for several related variables. Technometrics, 1:359377,1959. [12]R. O. Duda and P. E. Hart. Pattern Classification and Scene Analysis. John Wiley amp。 針對(duì)傳統(tǒng)多變量統(tǒng)計(jì)過(guò)程監(jiān)控技 術(shù)要求過(guò)程信息服從正態(tài)分布的約束性，應(yīng)用基于獨(dú)立成分分析方法的過(guò)程監(jiān)控方法對(duì)過(guò)程監(jiān)控與故障診斷的研究。 關(guān)鍵詞： 過(guò)程監(jiān)控 。ICA。為了保證生產(chǎn)的穩(wěn)定、高效、安全運(yùn)行和產(chǎn)品質(zhì)量的一致性，對(duì)流程工業(yè)的復(fù)雜生產(chǎn)過(guò)程進(jìn)行快速有效的實(shí)時(shí)監(jiān)控顯得越來(lái)越重要，作為其中一個(gè)可靠的解決手段，工業(yè)過(guò)程性能監(jiān)控和故障診斷逐步成為過(guò)程控制領(lǐng)域的研究熱點(diǎn)，并成為構(gòu)成系統(tǒng)可靠性、安全性、維修性等學(xué)科的關(guān)鍵技術(shù)之一，在現(xiàn)代化生產(chǎn)過(guò)程中不僅有著深刻的理論價(jià)值，更具有 不容忽視的現(xiàn)實(shí)指導(dǎo)意義。過(guò)程監(jiān)控系統(tǒng)主要對(duì)生產(chǎn)過(guò)程的運(yùn)行狀態(tài)進(jìn)行監(jiān)督，不 斷檢測(cè)過(guò)程的變化和故障信息，以防止災(zāi)難性事故的發(fā)生，同時(shí)減少產(chǎn)品質(zhì)量的波動(dòng)等 [2]。 過(guò)程監(jiān)控的核心為過(guò)程故障檢測(cè)。 過(guò)程故障識(shí)別：根據(jù)檢測(cè)到的故障信息，識(shí)別出與故障最密切相關(guān)的觀測(cè)變量，以便更好的分析故障的成因，減少恢復(fù)受控運(yùn)行狀況的時(shí)間。如果觀測(cè)值超過(guò)預(yù)定義的閾值，即產(chǎn)生報(bào)警。偏差檢測(cè)直接依賴于模型的準(zhǔn)確性，模型的不準(zhǔn)確在實(shí)際中是不可避免的。 到目前為止，隨著統(tǒng)計(jì)學(xué)、信號(hào)處理、智能理論的引入，故障診斷技術(shù)得到了極大的發(fā)展，故障診斷方法也有了不同的分類。 根據(jù)殘差產(chǎn)生形式的不同，基于模型的故障診斷方法又可細(xì)分為狀態(tài)估計(jì)方法、參數(shù)估計(jì)方法和等價(jià)空間方法，三種方法之間又存在著獨(dú)立統(tǒng)一的關(guān)系。 等價(jià)空間法 等價(jià)空間方法最早是由 Chow 等利用動(dòng)態(tài)系統(tǒng)的暫時(shí)冗余關(guān)系而總結(jié)出來(lái)的，其基本思想是通過(guò)系統(tǒng)的輸入輸出（或部分輸出）的實(shí)際值檢驗(yàn)被監(jiān)控對(duì)象數(shù)學(xué)模型的一致性（等價(jià)性），從而達(dá)到檢測(cè)和分離故障的目的。因此可以根據(jù)模型參數(shù)及其相應(yīng)的故障參數(shù)變化來(lái)檢測(cè)和分離故障。 天津大學(xué)仁愛(ài)學(xué)院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文） 4 目前研究的比較深入也比較廣泛的基于知識(shí)的故障診斷方法是基于癥狀的方法，主要有以下幾種 : ? 基于專家系統(tǒng)的智能診斷方法 專家系統(tǒng)的故障診斷方法，是指計(jì)算機(jī)在采集被監(jiān)控對(duì)象的過(guò)程信息后，在一定推理機(jī)制指導(dǎo)下，綜合各種規(guī)則，進(jìn)行一系列的推理判斷，快速的找到最終故障或者最有可能的故障 的過(guò)程，目前已廣泛用于工業(yè)過(guò)程監(jiān)控系統(tǒng)中?；谀：碚摰姆椒ㄟm用于測(cè)量值較少，含有模糊現(xiàn)象和不確定信息且無(wú)法獲取精確數(shù)學(xué)模型的系統(tǒng)，由于該方法不具備自學(xué)習(xí)能力，模糊規(guī)則過(guò)多 依賴于經(jīng)驗(yàn)等諸多原因，致使它對(duì)和模糊規(guī)則接近的故障診斷結(jié)果較為準(zhǔn)確，而對(duì)新穎的故障診斷效果則較差 [6]。 ? 基于神經(jīng)網(wǎng)絡(luò)的方法 人工神經(jīng)網(wǎng)絡(luò)（ ANN） 用于故障診斷主要有以下 4種形式 :(1)用神經(jīng)網(wǎng)絡(luò)產(chǎn)生殘差信號(hào)； (2)用神經(jīng)網(wǎng)絡(luò)進(jìn)行殘差評(píng)價(jià)分析； (3)利用神經(jīng)網(wǎng)絡(luò)作自適應(yīng)誤差補(bǔ)償； (4)直接利用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷推理。 基于數(shù)據(jù)驅(qū)動(dòng)的方法利用多變量統(tǒng)計(jì)過(guò)程控制技術(shù)將過(guò)程信息數(shù)據(jù)空間劃分為過(guò)程特征信息子空間以及殘差空間 [7]。 數(shù)據(jù)驅(qū)動(dòng)方法是建立在嚴(yán)格的統(tǒng)計(jì)研究基礎(chǔ)上的，其優(yōu)勢(shì)在 于它們能夠把 過(guò)程數(shù)據(jù)從高維空間投影到低維空間，并從中獲取重要的過(guò)程特征信息。與此同時(shí)，在分析過(guò)程數(shù)據(jù)的同時(shí)我們也必須要考慮其過(guò)程數(shù)據(jù)質(zhì)量，大小，數(shù)據(jù)的時(shí)變性，數(shù)據(jù)的多尺度性，數(shù)據(jù)的非線性，數(shù)據(jù)的動(dòng)態(tài)特征等問(wèn)題。多變量過(guò)程統(tǒng)計(jì)方法是在單變量統(tǒng)計(jì)的基礎(chǔ)上發(fā)展起來(lái)的，近幾年來(lái)多變量過(guò)程監(jiān)控方法在生產(chǎn)過(guò)程中得到了廣泛的研究與成功的應(yīng)用 [8]。 PCA 方法在統(tǒng)計(jì)過(guò)程控制領(lǐng)域中應(yīng)用已經(jīng)較為普遍，并取得了良好的成果，但 PCA 只針對(duì)過(guò)程數(shù)據(jù)的二階統(tǒng)計(jì)特性，不能很好的刻畫過(guò)程數(shù)據(jù)的特征信息，所以基于主元分析的多元統(tǒng)計(jì)過(guò)程監(jiān)控方法在某些工業(yè)過(guò)程中的應(yīng)用不是很理想。 ICA 方法是 基于過(guò)程數(shù)據(jù)高階統(tǒng)計(jì)特性 的分析方法，可以有效的處理服從非高斯分布的過(guò)程數(shù)據(jù)，使得變換以后的各分量之間不僅互不相關(guān)，而且還盡可能地統(tǒng)計(jì)獨(dú)立，更好的 刻畫變量的概 率統(tǒng)計(jì)特性，抑制高斯噪聲 ， 展示了 ICA 方法在故障早期偵破中良好的應(yīng)用前景 [9]。 (2) 以 MATLAB 為過(guò)程監(jiān)控平臺(tái)。 第四章 建立小波分析和獨(dú)立成分分析相結(jié)合的基于小波降噪 獨(dú)立成分分析的過(guò)程監(jiān)控方法和過(guò)程監(jiān)控仿真模型，并在 MATLAB 中仿真分析。 ICA 概述 獨(dú)立成分分析是伴隨著盲源信號(hào)分離問(wèn)題而發(fā)展起來(lái)一種基于過(guò)程信息的高階統(tǒng)計(jì)特性的分析方法 [11]，獨(dú)立成分分析方法有較強(qiáng)的信號(hào)分析處理能力主要是從多元統(tǒng)計(jì)數(shù)據(jù)中尋求內(nèi)在統(tǒng)計(jì)獨(dú)立成分，與傳統(tǒng)的多元統(tǒng)計(jì)控制方法相比，一方面， ICA 不需要變換后的獨(dú)立成分滿足正交條件；另一方面， ICA 不僅去除了變量之 間的相關(guān)性而且包含了過(guò)程觀測(cè)變量的高階統(tǒng)計(jì)特性 , 能更好的 刻畫變量的概率統(tǒng)計(jì)特性，抑制高斯噪聲 ，同時(shí)通過(guò) ICA 方法得到的獨(dú)立成分分量滿足統(tǒng)計(jì)意義上的獨(dú)立性特點(diǎn)。從統(tǒng)計(jì)信號(hào)的角度來(lái)看， ICA 利用過(guò)程觀測(cè)信號(hào)統(tǒng)計(jì)獨(dú)立的特性，通過(guò)確定一個(gè)非正交線性變換的分離矩陣 W，使得混合信號(hào)變換后的輸出分量盡可能的統(tǒng)計(jì)獨(dú)立。 每個(gè)測(cè)量值被分解成為一組獨(dú)立源的線性組合： TmimTiTiTi sasasax ???? 2211 mi ,1?? (24) 式 (21)描述了觀測(cè)數(shù)據(jù)如何由獨(dú)立成分分量混合而成。 (1)獨(dú)立成分假定是瞬時(shí)統(tǒng)計(jì)獨(dú)立的 統(tǒng)計(jì)獨(dú)立性是構(gòu)成獨(dú)立分量分析基礎(chǔ)的關(guān)鍵，但只要滿 足該條假設(shè)，就可以建立ICA 模型，這是 ICA 方法可以應(yīng)用于眾多領(lǐng)域的原因之一。這個(gè)定義可以擴(kuò)展到 n 個(gè)隨機(jī)變量的情況。通常各個(gè)源信號(hào)是由不同的實(shí)際物理系統(tǒng)發(fā)出的，它們之間沒(méi)有必然的聯(lián)系，可以認(rèn)為滿足統(tǒng)計(jì)獨(dú)立的約束條件。在 ICA 基本模型中，并不需要假定獨(dú)立成分分量服從何種分布，如果能已知，則問(wèn)題會(huì)變的相當(dāng)簡(jiǎn)單。下面主要介紹對(duì) ICA 模型進(jìn)行估計(jì)的不同計(jì)算方法。 在獨(dú)立成分分析的模型中，觀測(cè)信號(hào)是由獨(dú)立源信號(hào)的線性組合，它比任意一個(gè)獨(dú)立源信號(hào)更接近于高斯分布，可用分離 信號(hào)的非高