【導(dǎo)讀】為監(jiān)控系統(tǒng)中的不可缺少的一部分。及時(shí)準(zhǔn)確地檢測(cè)和診斷出過(guò)程的。產(chǎn)管理成本，提高產(chǎn)品的質(zhì)量?；诮y(tǒng)計(jì)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(guò)程進(jìn)行了具體地分析與仿真，取得了預(yù)期的效果。ponentanalysis，MPCA)方法在故障監(jiān)測(cè)與診斷過(guò)程中的應(yīng)用。時(shí)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(shí)間 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 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 方法的 SPE 檢測(cè)結(jié)果如圖 所示。 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 顯示在圖 中。 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SPE 檢測(cè)結(jié)果如圖 所示。本文方法檢測(cè)出了故障 4 和 12，同樣沒(méi)有顯示在圖 中。 圖 MPCA方法的 SPE監(jiān)測(cè)圖 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 圖 本文方法的 SPE監(jiān)測(cè)圖 兩種方法的 SPE檢測(cè)結(jié)果對(duì)比如表 。從表 ，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。 表 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% 表 是在 平臺(tái)下傳 統(tǒng) MPCA 和本文方法故障檢測(cè)所需的 CPU 時(shí)間（ CPU： Pentium Dualcore RAM: ）。由表 可知， MPCA 方法需要計(jì)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(chǔ)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(cè)時(shí)間僅比 MPCA 方法減少了 秒。這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。 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 表 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 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(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(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(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 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。基于數(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) 26 25 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， 20xx： 175． [2]周東 華 .國(guó)內(nèi)動(dòng) 態(tài)系統(tǒng)故 障診斷技 術(shù)的一些最 新進(jìn)展 [J]. 自動(dòng)化博覽 ,20xx,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 , 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?jiān)茲?，龔?. 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(chǔ)能技術(shù)及應(yīng)用 [M]. 武漢：華中科技大學(xué)出版社 ,20xx:27. [8] 蔣浩天 ,拉塞爾 EL.,布拉茨 [M]. 段建民 ,譯 .北京 :機(jī)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(yáng)化工大學(xué)學(xué)士學(xué)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(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 敬禮