【正文】 TCP Top Pwr16 TCP Load17 Vat Valve0 20 40 60 80 100 12005001000150020222500300035000 20 40 60 80 100 104(a) EndPt AEndPt A時(shí)間TCP Load沈陽(yáng)化工大學(xué)學(xué)士學(xué)位論文 第三章 基于統(tǒng)計(jì)特征的不等長(zhǎng)間歇過(guò)程故障診斷研究20 (b) TCP Load 數(shù)據(jù)集中的兩個(gè)變量該仿真實(shí)驗(yàn)中，每個(gè)批次有17個(gè)過(guò)程變量。每個(gè)批次是不等長(zhǎng)的，持續(xù)時(shí)間在95112秒之間變化。隨機(jī)抽取96個(gè)正常批次為建模數(shù)據(jù)，其余11個(gè)正常批次為校驗(yàn)數(shù)據(jù)。為了消除傳感器中初始的波動(dòng)影響，去除開(kāi)始的5個(gè)樣本，保留85個(gè)樣本以適應(yīng)最短的批次。對(duì)96個(gè)等長(zhǎng)的正常批次數(shù)據(jù)運(yùn)用MPCA方法進(jìn)行建模，并對(duì)11個(gè)校驗(yàn)批次數(shù)據(jù)和20個(gè)故障批次進(jìn)行故障檢測(cè)。MPCA方法檢測(cè)出了故障12和13，然而，由于它們的數(shù)值較大，沒(méi)有顯示。運(yùn)用基于統(tǒng)計(jì)特征的方法進(jìn)行故障診斷，不需要數(shù)據(jù)預(yù)處理 [2]。直接計(jì)算96個(gè)不等長(zhǎng)批次的均值、方差、偏度、峭度和任意兩個(gè)變量間的歐氏距離，并將這些統(tǒng)計(jì)特征組合成一個(gè)等長(zhǎng)的特征向量,然后運(yùn)用PCA進(jìn)行過(guò)程監(jiān)視。本文方法的S。本文方法檢測(cè)出了故障4和12。 MPCA方法的SPE監(jiān)測(cè)圖時(shí)間沈陽(yáng)化工大學(xué)學(xué)士學(xué)位論文 第三章 基于統(tǒng)計(jì)特征的不等長(zhǎng)間歇過(guò)程故障診斷研究21 本文方法的SPE監(jiān)測(cè)圖。，本文方法和傳統(tǒng)MPCA對(duì)正常批次的SPE檢測(cè)率均為100%；本文對(duì)故障批次的SPE故障檢測(cè)率為80%，而傳統(tǒng)的MPCA的檢測(cè)率為65%。證明運(yùn)用本文方法進(jìn)行檢測(cè)的準(zhǔn)確率遠(yuǎn)遠(yuǎn)高于傳統(tǒng)的MPCA方法，大大提高了故障檢測(cè)率，減少了故障的誤報(bào)率和漏報(bào)率。 SPE監(jiān)測(cè)結(jié)果對(duì)比方法校驗(yàn)批次總數(shù)檢測(cè)的校驗(yàn)批次總數(shù)校驗(yàn)批次檢測(cè)比例故障批次總數(shù)檢測(cè)的故障批次總數(shù)故障批次檢測(cè)比例MPCA 11 11 100% 20 13 65%本文方法 11 11 100% 20 16 80%（CPU：Pentium Dualcore RAM: ）。，MPCA方法需要計(jì)算14451445維的協(xié)方差矩陣，而本文方法協(xié)方差矩陣的維數(shù)僅為204204，減少了存儲(chǔ)空間。與MPCA方法相比，本文方法降低了特征向量的維數(shù)。這 TCP Load沈陽(yáng)化工大學(xué)學(xué)士學(xué)位論文 第三章 基于統(tǒng)計(jì)特征的不等長(zhǎng)間歇過(guò)程故障診斷研究22是由于本文方法在運(yùn)用MPCA進(jìn)行故障診斷之前，需要先計(jì)算統(tǒng)計(jì)特征向量，增加了時(shí)間。 MPCA和本文方法故障檢測(cè)對(duì)比方法 特征向量大小 協(xié)方差矩陣大小 故障檢測(cè)時(shí)間（s）MPCA 14453 14451445 本文方法 2043 204204 本章小結(jié)傳統(tǒng)的MPCA方法可以有效的對(duì)等長(zhǎng)批次生產(chǎn)過(guò)程中存在的故障進(jìn)行檢測(cè)和診斷，但是由于間歇過(guò)程具有間歇性、操作的不確定性、反應(yīng)過(guò)程的多模態(tài)及不等長(zhǎng)等特性，致使MPCA不能直接應(yīng)用于間歇過(guò)程故障診斷。本章提出的基于統(tǒng)計(jì)特征的不等長(zhǎng)間歇過(guò)程故障診斷方法可以有效的解決這些問(wèn)題，使故障檢測(cè)結(jié)果更加準(zhǔn)確。同時(shí)，本章所介紹的算法減少了計(jì)算量和存儲(chǔ)空間，降低了故障檢測(cè)時(shí)間。沈陽(yáng)化工大學(xué)學(xué)士學(xué)位論文 第三章 基于統(tǒng)計(jì)特征的不等長(zhǎng)間歇過(guò)程故障診斷研究23第四章 總結(jié)和展望 總結(jié)伴隨著現(xiàn)代工業(yè)生產(chǎn)技術(shù)和科學(xué)的大力進(jìn)步,生產(chǎn)裝置向大型化、結(jié)構(gòu)復(fù)雜化的趨勢(shì)變得非常明顯,在這一方面雖然大幅度提高了生產(chǎn)效率,但同時(shí)，生產(chǎn)過(guò)程發(fā)生事故的可能性也大大增加。傳統(tǒng)的控制理論中的故障診斷方法主要是建立在系統(tǒng)的精確模型基礎(chǔ)上的,這對(duì)于反應(yīng)機(jī)理復(fù)雜、非線(xiàn)性、時(shí)變性等擾動(dòng)嚴(yán)重的復(fù)雜工業(yè)過(guò)程在應(yīng)用中是較難實(shí)現(xiàn)的。隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，導(dǎo)致DCS及各種數(shù)字化控制設(shè)備（如智能化儀表）在工業(yè)過(guò)程中的廣泛應(yīng)用,可以采集得到大量的過(guò)程數(shù)據(jù),通過(guò)對(duì)這些過(guò)程數(shù)據(jù)的處理,從中挖掘出過(guò)程運(yùn)行的有用信息,借此提高工業(yè)過(guò)程控制的精度是目前控制領(lǐng)域研究的熱點(diǎn)問(wèn)題之一。本文介紹了幾種基于多元統(tǒng)計(jì)方法的間歇過(guò)程故障診斷中能應(yīng)用到的算法,如PCA、MPCA等，并著重介紹了基于統(tǒng)計(jì)特征的不等長(zhǎng)間歇過(guò)程的故障診斷算法。本文應(yīng)用半導(dǎo)體工業(yè)實(shí)例—A1堆腐蝕過(guò)程來(lái)對(duì)MPCA與基于統(tǒng)計(jì)特征的不等長(zhǎng)間歇過(guò)程的故障診斷方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，并且經(jīng)過(guò)實(shí)驗(yàn)的仿真得出了理想的仿真結(jié)果。 工作展望（1） 故障診斷與預(yù)警本文研究?jī)?nèi)容偏向于故障檢測(cè),只能向使用者提供過(guò)程正常與否的通知信息。但是用戶(hù)更希望知道具體哪里有故障,什么類(lèi)型的故障,甚至最好能提前知道可能會(huì)發(fā)生什么故障,這就需要故障診斷與預(yù)警工作?；跀?shù)據(jù)驅(qū)動(dòng)的故障診斷方法通過(guò)貢獻(xiàn)圖理論上能夠識(shí)別出故障源。但是過(guò)程故障的發(fā)生和傳播都相當(dāng)復(fù)雜,又和過(guò)程的機(jī)理密切相關(guān),缺乏過(guò)程機(jī)理和經(jīng)驗(yàn)指導(dǎo),故障的診斷和識(shí)別很容易得出誤沈陽(yáng)化工大學(xué)學(xué)士學(xué)位論文 第四章 總結(jié)與展望24導(dǎo)性的結(jié)果。因此,如果數(shù)據(jù)驅(qū)動(dòng)方法和基于知識(shí)的方法能夠相互結(jié)合,取長(zhǎng)補(bǔ)短,必將對(duì)提高故障診斷的可靠性有重要幫助。（2） 基礎(chǔ)理論研究目前,故障檢測(cè)算法所用到的一些數(shù)學(xué)理論基礎(chǔ)有的尚不完善,例如,如何更好的處理全局算法和局部算法各有不足的問(wèn)題,新的樣本如何實(shí)現(xiàn)模型的遞歸更新問(wèn)題等。這就要求在基礎(chǔ)數(shù)學(xué)理論研究上也要下功夫。（3） 方法的使用范圍拓展本文所討論的方法大都建立在化工或生化平臺(tái)上,但并不是說(shuō)僅適用于上述范圍?；跀?shù)據(jù)驅(qū)動(dòng)的故障診斷方法的通用性體現(xiàn)在其跨平臺(tái)的可移植性上,在工業(yè)生產(chǎn)和生活各個(gè)領(lǐng)域都應(yīng)當(dāng)發(fā)揮其作用。如何把該方法與新的應(yīng)用領(lǐng)域互相融合是值得我們深入考慮的問(wèn)題。（4） 故障檢測(cè)軟件商品化盡管有眾多新方法被不斷提出,然而目前傳統(tǒng)的MPCA方法在故障診斷軟件上依然占據(jù)絕對(duì)優(yōu)勢(shì)。究其原因,除新算法的快速性,魯棒性需要增強(qiáng)外,積極推廣使用新算法,實(shí)現(xiàn)商品化也是需要重視的問(wèn)題。理論只有應(yīng)用于實(shí)踐才能不斷發(fā)現(xiàn)問(wèn)題,解決問(wèn)題,不斷完善。沈陽(yáng)化工大學(xué)學(xué)士學(xué)位論文 參考文獻(xiàn)2625參考文獻(xiàn)[1]周東華，李鋼，李元. 數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過(guò)程故障檢測(cè)與診斷技術(shù)[M]. 北京:科學(xué)出版社，2022：175． [2][J].自動(dòng)化博覽,2022,12(10):1618．[3] 郭金玉，趙璐璐,李元. 基于統(tǒng)計(jì)特征的不等長(zhǎng)間歇過(guò)程故障診斷研究［J］.計(jì)算機(jī)應(yīng)用研究, 2022, 29(1): 5153．[4] Hwang D H, Han C H. Real time monitoring for a process with multiple operating modes [J]. Control Engineering Practice , 1999, 7 (7) : 891902．[5] 張?jiān)茲徚?. 數(shù)據(jù)挖掘原理與技術(shù)[M]. 電子工業(yè)出版社，2022，5480．[6] FRANK P and qualitative modelbased fault diagnosisa survey and some new results[J]. European Jorunal of Control, 1996, l(2):628.[7] [M]. 武漢：華中科技大學(xué)出版社,2022:27.[8] 蔣浩天,拉塞爾EL.,[M]. 段建民,:機(jī)械工業(yè)出版社,2022:2一79.[9] Chiang L. H. Russell E. L and R. D. Braatz. Fault detection and diagnosis in industrial systems[M]. SpringerVerlag, London, 2022.[10] LeeT. Independent ponent analysis: theory and application[M]. Kluwer Academic,Boston, 1998.[11] Kramer,., .Nonlinear principal ponent analysis using autoassociative neural works[J]. AIChE J., 1991, 37(2):233243.[12] Vetterli,M.,and Herley,C. Wavelets and filter banks: theory and desigh[J]. IEEE Process.,1992, 40(9):22072232.[13] Alsberg,.,Woodward,.,and Ke11,. An introduction to wavelet transforms for chemometricians: a timefrequency approach[J]. Chemometrics ., 1997, 37:215239. 沈陽(yáng)化工大學(xué)學(xué)士學(xué)位論文 參考文獻(xiàn)2626[14] Bakshi,.. Multiscale PCA with application to multivariate statistical process monitoring[J]. AIChE Journal, 1998, 44(7):15961610.致謝在本論文即將完成之際，我要向給予我關(guān)心和幫助的老師、同學(xué)、朋友表示我衷心的感謝和最真誠(chéng)的問(wèn)候。首先感謝我的指導(dǎo)教師郭金玉教授。郭老師對(duì)我整個(gè)論文的工作過(guò)程給予了特別詳細(xì)的指導(dǎo)。在課題研究和論文撰寫(xiě)過(guò)程中，郭老師不斷指導(dǎo)我學(xué)習(xí)方法，耐心詳細(xì)地為我解答問(wèn)題，并且與我一起研究探討，推敲論文中的方案。郭老師治學(xué)嚴(yán)謹(jǐn)，學(xué)識(shí)淵博，平易近人，在她的幫助和指導(dǎo)下，使我領(lǐng)會(huì)了基本的思考方式，提高了創(chuàng)新意識(shí)，鍛煉了實(shí)際操作能力，收益頗豐。在此謹(jǐn)向郭老師表達(dá)我真摯的感謝和崇高的敬意。同時(shí)，感謝我還要感謝幫助我的實(shí)驗(yàn)室各位師兄，是他們給我提供了相關(guān)的參考資料，在整個(gè)論文的編寫(xiě)過(guò)程中，遇到的問(wèn)題，他們都能細(xì)心的及時(shí)予與我解答，使我在畢業(yè)設(shè)計(jì)中較好地運(yùn)用所學(xué)的算法和編程的相關(guān)知識(shí)，也為今后的學(xué)習(xí)打好了堅(jiān)實(shí)的基礎(chǔ)。此外，還要感謝我的同學(xué)朋友們。四年來(lái)，我們互幫互助，共同進(jìn)步。無(wú)論是生活上還是學(xué)習(xí)上，我們相互支持，排除解決了各種困難與挫折。感謝我的同學(xué)朋友們?cè)诋厴I(yè)設(shè)計(jì)期間給予我的支持和幫助，希望所有人前程似錦。最后，我將以此為起點(diǎn)，在今后工作中努力提高自己，以實(shí)際行動(dòng)感謝那些幫助、指導(dǎo)和關(guān)心過(guò)我的老師、同學(xué)和朋友。 此致