【導讀】為監(jiān)控系統(tǒng)中的不可缺少的一部分。及時準確地檢測和診斷出過程的。產(chǎn)管理成本，提高產(chǎn)品的質(zhì)量?；诮y(tǒng)計分析的故障診斷是故障診斷。技術(shù)的重要組成部分之一?！狝1堆腐蝕過程進行了具體地分析與仿真，取得了預期的效果。ponentanalysis，MPCA)方法在故障監(jiān)測與診斷過程中的應用。時間，因此該算法具有很好的故障診斷性能。

　　

【正文】 0 1000 1500 20xx 2500 3000 3500 0 20 40 60 80 100 1202 . 6 52 . 72 . 7 52 . 82 . 8 52 . 9x 1 04(a) EndPt A EndPt A 時間 時間 TCP Load 沈陽化工大學學士學位論文 第 三 章 基于統(tǒng)計特征的不等長間歇過程故障診斷研究 20 該仿真實驗中，每個批次有 17 個過程變量。每個批次是不等長的，持續(xù)時間在 95112 秒之間變化。隨機抽取 96 個正常批次為建模數(shù)據(jù)，其余 11 個正常批次為校驗數(shù)據(jù)。為了消除傳感器中初始的波動影響，去除開始的 5 個樣本，保留 85個樣本以適應最短的批次。對 96 個等長的正常批次數(shù)據(jù)運用 MPCA 方法進行建模，并對 11 個校驗批次數(shù)據(jù)和 20 個故障批次進行故障檢測。 MPCA 方法的 SPE 檢測結(jié)果如圖 所示。 MPCA 方法檢測出了故障 12 和 13，然而，由于它們的數(shù)值較大，沒有 顯示在圖 中。 運用 基于統(tǒng)計特征的 方法進行故障診斷，不需要數(shù)據(jù)預處理 [2]。直接計算 96個不等長批次的均值、方差、偏度、峭度和任意兩個變量間的歐氏距離，并將這些統(tǒng)計特征組合成一個等長的特征向量 ,然后運用 PCA 進行過程監(jiān)視。本文方法的SPE 檢測結(jié)果如圖 所示。本文方法檢測出了故障 4 和 12，同樣沒有顯示在圖 中。 圖 MPCA方法的 SPE監(jiān)測圖 沈陽化工大學學士學位論文 第 三 章 基于統(tǒng)計特征的不等長間歇過程故障診斷研究 21 圖 本文方法的 SPE監(jiān)測圖 兩種方法的 SPE檢測結(jié)果對比如表 。從表 ，本文方法和傳統(tǒng) MPCA對正常批次的 SPE檢測率均為 100%；本文對故障批次的 SPE故障檢測率為80%，而傳統(tǒng)的 MPCA的檢測率為 65%。證明運用本文方法進行檢測的準確率遠遠高于傳統(tǒng)的 MPCA方法，大大提高了故障檢測率，減少了故障的誤報率和漏報率。 表 SPE監(jiān)測結(jié)果對比 方法 校驗 批次 總 數(shù) 檢測的校驗批次 總 數(shù) 校驗 批次檢 測比例 故障 批次 總數(shù) 檢 測 的故障批次 總數(shù) 故障批次檢測比例 MPCA 11 11 100% 20 13 65% 本文方法 11 11 100% 20 16 80% 表 是在 平臺下傳 統(tǒng) MPCA 和本文方法故障檢測所需的 CPU 時間（ CPU： Pentium Dualcore RAM: ）。由表 可知， MPCA 方法需要計算 14451 445 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204 204，減少了存儲空間。與 MPCA 方法相比，本文方法降低了特征向量的維數(shù)，但是故障檢測時間僅比 MPCA 方法減少了 秒。這是由于本文方法在運用MPCA 進行故障診斷之前，需要先計算統(tǒng)計特征向量，增加了時間。 TCP Load 沈陽化工大學學士學位論文 第 三 章 基于統(tǒng)計特征的不等長間歇過程故障診斷研究 22 表 MPCA和本文方法故障檢測對比 方法 特征向量大小 協(xié)方差矩陣大小 故障檢測時間（ s） MPCA 1445 3 1445 1445 本文 方法 204 3 204 204 本章小結(jié) 傳統(tǒng)的 MPCA 方法可以有效的對等長批次生產(chǎn)過程中存在的故障進行檢測和診斷，但是由于間歇過程具有間歇性、操作的不確定性、反應過程的多模態(tài)及不等長等特性，致使 MPCA 不能直接應用于間歇過程故障診斷。本章提出的基于統(tǒng)計特征的不等長間歇過程故障診斷方法可以有效的解決這些問題，使故障檢測結(jié)果更加準確。同時，本章所介紹的算法減少了計算量和存儲空間， 降低了故障檢測時間。 沈陽化工大學學士學位論文 第四章 總結(jié)與展望 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)和科學的大力進步 ,生產(chǎn)裝置向大型化、結(jié)構(gòu)復雜化的趨勢變得非常明顯 ,在這一方面雖然大幅度提高了生產(chǎn)效率 ,但同時，生產(chǎn)過程發(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)的精確模型基礎上的 ,這對于反應機理復雜、非線性、時變性等擾動嚴重的復雜工業(yè)過程在應用中是較難實現(xiàn)的。隨著計算機技術(shù)的快速發(fā)展，導致 DCS 及各種數(shù)字化控制設備（如智能化儀表）在工業(yè)過程中的廣泛應用 ,可以采 集得到大量的過程數(shù)據(jù) ,通過對這些過程數(shù)據(jù)的處理 ,從中挖掘出過程運行的有用信息 ,借此提高工業(yè)過程控制的精度是目前控制領域研究的熱點問題之一。 本文介紹了幾種基于多元統(tǒng)計方法的間歇過程故障診斷中能應用到的算法 ,如PCA、 MPCA 等，并著重介紹了基于統(tǒng)計特征的不等長間歇過程的故障診斷算法。本文應用半導體工業(yè)實例 — A1 堆腐蝕過程來對 MPCA 與基于統(tǒng)計特征的不等長間歇過程的故障診斷方法進行了實驗驗證，并且經(jīng)過實驗 的仿真得出了理想的仿真結(jié)果。 工作展望 （ 1） 故障診斷與預警 本文研究內(nèi)容偏向于故障檢測 ,只能 向使用者提供過程正常與否的通知信息。但是用戶更希望知道具體哪里有故障 ,什么類型的故障 ,甚至最好能提前知道可能會發(fā)生什么故障 ,這就需要故障診斷與預警工作。基于數(shù)據(jù)驅(qū)動的故障診斷方法通過貢獻圖理論上能夠識別出故障源。但是過程故障的發(fā)生和傳播都相當復雜 ,又和過程的機理密切相關 ,缺乏過程機理和經(jīng)驗指導 ,故障的診斷和識別很容易得出誤導性的結(jié)果。因此 ,如果數(shù)據(jù)驅(qū)動方法和基于知識的方法能夠相互結(jié)合 ,取長補短 ,必將對提高故障診斷的可靠性有重要幫助。 （ 2） 基礎理論研究 目前 ,故障檢測算法所用到的一些數(shù)學理論基礎有的尚不完 善 ,例如 ,如何更好沈陽化工大學學士學位論文 第四章 總結(jié)與展望 24 的處理全局算法和局部算法各有不足的問題 ,新的樣本如何實現(xiàn)模型的遞歸更新問題等。這就要求在基礎數(shù)學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上 ,但并不是說僅適用于上述范圍?；跀?shù)據(jù)驅(qū)動的故障診斷方法的通用性體現(xiàn)在其跨平臺的可移植性上 ,在工業(yè)生產(chǎn)和生活各個領域都應當發(fā)揮其作用。如何把該方法與新的應用領域互相融合是值得我們深入考慮的問題。 （ 4） 故障檢測軟件商品化 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 對優(yōu)勢。究其原因 ,除新算法的快速性 ,魯棒性需要增強外 ,積極推廣使用新算法 ,實現(xiàn)商品化也是需要重視的問題。理論只有應用于實踐才能不斷發(fā)現(xiàn)問題 ,解決問題 ,不斷完善。 沈陽化工大學學士學位論文 參考文獻 26 25 參考文獻 [1]周東華，李鋼，李元 . 數(shù)據(jù)驅(qū)動的工業(yè)過程故障檢測與診斷技術(shù) [M]. 北京 :科學出版社， 20xx： 175． [2]周東 華 .國內(nèi)動 態(tài)系統(tǒng)故 障診斷技 術(shù)的一些最 新進展 [J]. 自動化博覽 ,20xx,12(10):1618． [3] 郭金玉，趙璐璐 ,李元 . 基于統(tǒng)計特征的不等長間歇過程故障診斷研究 ［ J］ .計算機應用研究 , 20xx, 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] 張云濤，龔玲 . 數(shù)據(jù)挖掘原理與技術(shù) [M]. 電子工業(yè)出版社， 20xx， 5480． [6] FRANK P and qualitative modelbased fault diagnosisa survey and some new results[J]. European Jorunal of Control, 1996, l(2):628. [7] 湯雙清 .飛輪儲能技術(shù)及應用 [M]. 武漢：華中科技大學出版社 ,20xx:27. [8] 蔣浩天 ,拉塞爾 EL.,布拉茨 [M]. 段建民 ,譯 .北京 :機械工業(yè)出版社 ,20xx:2 一 79. [9] Chiang L. H. Russell E. L and R. D. Braatz. Fault detection and diagnosis in industrial systems[M]. SpringerVerlag, London, 20xx. [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. [14] Bakshi,.. Multiscale PCA with application to multivariate statistical process monitoring[J]. AIChE Journal, 1998, 44(7):15961610. 沈陽化工大學學士學位論文 致謝 26 致謝 在本論文即將完成之際，我要向給予我關心和幫助的老師、同學、朋友表示我衷心的感謝和最真誠的問候。 首先感謝我的指導教師郭金玉教授。郭老師對我整個論文的工作過程給予了特別詳細的指導。在 課題研究和論文撰寫過程中，郭老師不斷指導我學習方法，耐心詳細地為我解答問題，并且與我一起研究探討，推敲論文中的方案。郭老師治學嚴謹，學識淵博，平易近人，在她的 幫助和指導下，使我領會了基本的思考方式，提高了創(chuàng)新意識，鍛煉了實際操作能力，收益頗豐。在此謹向郭老師表達我真摯的感謝和崇高的敬意。 同時，感 謝我還要感謝幫助我的實驗室各位師兄，是他們給我提供了相關的參考資料，在整個論文的編寫過程中，遇到的問題，他們都能細心的及時予與我解答，使我在畢業(yè)設計中較好地運用所學的算法和編程的相關知識，也為今后的學習打好了堅實的基礎。 此外，還要感謝我的同學朋友們。四年來，我們互幫互助，共同進步。無論是生活上還是學習上，我們相互支持，排除解決了各種困難與挫折。感謝我的同學朋友們在畢業(yè)設計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，在今后工作中努力提高自己，以實際行動感謝那些幫助、指導和關心過我的老 師、同學和朋友。 此致 敬禮