【正文】 atistical analysis is an important part of the fault diagnosis technology. In order to improve the unequal performance of fault diagnosis of batch processes as objective, indepth study of the fault diagnosis algorithm unequal batch process based on statistical features, and the semiconductor industry A1 case is analyzed in detail and Simulation of reactor corrosion process, expected results were obtained. This paper first studied based on multiway principal ponent analysis (Multi way principal ponent analysis, MPCA) application on the fault monitoring and diagnosis process. Secondly, based on the analysis of the limitations and shortings of the principal ponent analysis method for fault monitoring and diagnosis of the fault diagnosis algorithm, indepth study of the unequal batch process based on statistical features. In order to improve the fault diagnosis performance of the unevenlength batch processes, and decrease the plexity of the algorithm, an unevenlength batch processes fault diagnosis method based on statistic features was presented. Firstly, the means, variance, skewness, kurtosis and the Euclidean distance between two variables for each unevenlength batch were calculated. Secondly, these statistic features were bined into an evenlength feature vector. Lastly, principal ponent analysis (PCA) was used to the feature vectors for monitoring the batch processes. The monitoring results of an industrial example show that pared with traditional multiway principal ponent analysis (MPCA), the unevenlength batch processes fault diagnosis method based on statistic features increases 15% of the fault diagnosis rate and reduces second of the fault diagnosis time, so it has good fault detection performance. Key words: fault diagnosis。通過基于統(tǒng)計(jì)特征的不等長間歇過程故障診斷算法，可以先計(jì)算每個(gè)不等長批次的均值、偏度、峭度、方差和任意兩個(gè)變量之間的歐氏距離，然后將這些統(tǒng)計(jì)特征組合成一個(gè)等長的特征向量 ,再利用主元分析 (principal Component Analysis， PCA )進(jìn)行過程監(jiān)視。 本文首先研究了基于多向主元分析 (Multi way principal ponent analysis， MPCA)方法在故障監(jiān)測與診斷過程中的應(yīng)用。基于統(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。 沈陽化工大學(xué) 本科畢業(yè)論文 題 目： 基于統(tǒng)計(jì)特征的不等長間歇過程 故障診斷研究 畢業(yè)設(shè)計(jì)（論文）任務(wù)書 畢業(yè)設(shè)計(jì)（論文）題目： 基于統(tǒng)計(jì)特征的不等長間歇過程故障診斷研究 畢業(yè)設(shè)計(jì)（論文）內(nèi)容： 提取不等長間歇過程的統(tǒng)計(jì)特征 研究基于 PCA的故障診斷方法 編制完成實(shí)現(xiàn)上述任務(wù)的程序 畢業(yè)設(shè)計(jì)（論文）專題部分： 不等長間歇過程故障診斷研究 起止時(shí)間： 20xx 年 3 月 20xx 年 7 月 指導(dǎo)教師： 簽字 年 月 日 教研主任： 簽字 年 月 日 學(xué)院院長： 簽字 年 月 日 目 錄 第一章 緒論 ............................................ 1 引言 .............................................. 1 間歇生產(chǎn)過程性能監(jiān)控研究現(xiàn)狀 ........................ 2 間歇生產(chǎn)過程故障診斷研究進(jìn)展 .................... 2 多元統(tǒng)計(jì)方法應(yīng)用于間歇過程故障診斷 ............... 2 本文研究內(nèi)容 ...................................... 4 第二章 MPCA 在間歇反應(yīng)過程故障診斷中的應(yīng)用 ................ 5 引言 ............................................. 5 PCA 基本原理 ...................................... 6 主元分析簡介 ................................... 6 主元分析的意義 ................................. 6 主元分析的基本原理 .............................. 7 主元個(gè)數(shù)的提取 ................................. 7 主元模型 ....................................... 8 基于 MPCA 的故障檢測方法 ............................ 9 MPCA 理論 ....................................... 9 基于 MPCA 故障檢測的統(tǒng)計(jì)量及其控制限 ............. 10 基于 MPCA 的故障診斷方法 ......................... 11 本章小結(jié) ......................................... 12 第三章 基于統(tǒng)計(jì)特征的不等長間歇過程故障診斷研究 .......... 13 引言 ............................................ 13 不等長問題 ....................................... 14 不等長數(shù)據(jù)描述 ................................ 14 不等長軌跡同步化方法 ........................... 14 基于統(tǒng)計(jì)特征的不等長間歇過程故障診斷研究 ........... 15 仿真實(shí)驗(yàn) ......................................... 18 本章小結(jié) ......................................... 22 第四章 總結(jié)和展望 ..................................... 23 總結(jié) ............................................ 23 工作展望 ......................................... 23 參考文獻(xiàn) .............................................. 25 致謝 .................................................. 26 摘要 隨著工業(yè)生產(chǎn)的快速發(fā)展，由于工業(yè)體系的龐大化和復(fù)雜化，如果生產(chǎn)過程中一旦出事故，不僅會(huì)影響生產(chǎn)的正常進(jìn)行，還會(huì)造成一定的經(jīng)濟(jì)損失甚至人員傷亡，因此故障檢測與故障 診斷技術(shù)越來越成為監(jiān)控系統(tǒng)中的不可缺少的一部分。及時(shí)準(zhǔn)確地檢測和診斷出過程的故障，不僅可以減少事故、增加過程運(yùn)行的安全性，而且可以降低生產(chǎn)管理成本，提高產(chǎn)品的質(zhì)量。 本文以提高不等長間歇過程故障診斷的性能為目的，深入研究了基于統(tǒng)計(jì)特征的不等長間歇過程故障診斷算法，并對半導(dǎo)體工業(yè)實(shí)例— A1 堆腐蝕過程進(jìn)行了具體地分析與仿真，取得了預(yù)期的效果。其次，在分析了多向主元分析方法進(jìn)行故障監(jiān)視和診斷的局限和缺點(diǎn)的基礎(chǔ)上，深入研究了基于統(tǒng)計(jì)特征的不等長間歇過程故障診斷算法。根據(jù)半導(dǎo)體工業(yè)實(shí)例的仿真結(jié)果，基于統(tǒng)計(jì)特征的不等長間歇過程故障診斷算法與傳統(tǒng)的多向 主元分析 (MPCA)方法相比，不僅可以減少建模過程的計(jì)算量，而且其故障診斷率提高了 15%，還大大減少了故障檢測時(shí)間，因此該算法具有很好的故障診斷性能。 unevenlength batch processes。 multiway principal ponent analysis. 沈陽化工大學(xué)學(xué)士學(xué)位論文 第一章 緒論 1 第一章 緒論 引言 隨著世界現(xiàn)代經(jīng)濟(jì)的快速發(fā)展和流程工業(yè)規(guī)模的不斷擴(kuò)大，工業(yè)過程的復(fù)雜性也隨之不斷的提高，生產(chǎn)和加工方法主要有化學(xué)反應(yīng)、分離、混合等，涉及石油、化工發(fā)電鋼鐵等行業(yè)。 如 “ 20xx 年 6 月 3 日吉林省寶源豐禽業(yè)公司爆炸事故，已造成 113 人遇難 ” ； “ 湖南省邵東一煤礦發(fā)生爆炸事故 ” ； “ 陜西興化集團(tuán)硝銨裝置特別重大爆炸事故 ” 。過程故障診斷技術(shù)就是為適應(yīng)工程需要而形成和發(fā)展起來的。以自動(dòng)故障檢測與診斷來代替操作員的判斷可增加設(shè)備運(yùn)行的安全性，保證產(chǎn)品的質(zhì)量的同時(shí)也降低了成本，尤其可以最大限度地避免嚴(yán)重的過程顛覆事故。 間歇反應(yīng)過程具有生產(chǎn)靈活性、產(chǎn)品多樣性、設(shè)備簡單性的特點(diǎn) ,在高分子聚合物、藥品、生化等領(lǐng)域得到了廣泛的應(yīng)用。在上料階段 ,以一定配比組成的多種原材料被裝入到反應(yīng)釜中 ,該階段是整個(gè)間歇過程的初始準(zhǔn)備階段；反應(yīng)階段是整個(gè)間歇過程的核心 ,它要求反應(yīng)釜內(nèi)的各過程變量 (如溫度、壓力、流量、液位等 )按一定的時(shí)間軌跡變化 ,而各參量的時(shí)間軌跡對于每個(gè)不同的間歇過程都不同；卸料階段是間歇過程的結(jié)束階段 ,該階段將反應(yīng)釜內(nèi)的產(chǎn)品排出 ,并對其各質(zhì)量指標(biāo)進(jìn)行檢測以判斷該釜反應(yīng)的最終質(zhì)量情況 [1]。在所有的問題中，安全始終是根本前提。 沈陽化工大學(xué)學(xué)士學(xué)位論文 第一章 緒論 2 間歇生產(chǎn)過程性能監(jiān)控研究現(xiàn)狀 間歇生產(chǎn)過程故障診斷研究進(jìn)展 間歇生產(chǎn)過程監(jiān)控是現(xiàn)代化過程工業(yè)中的一種生產(chǎn)方式，由于其本身所具有的靈活性， 50%左右的過程生產(chǎn)都采用該生產(chǎn)方式。間歇生產(chǎn)過程在工業(yè)生產(chǎn)中越來越受重視，間歇生產(chǎn)過程的性能監(jiān)控和故障診 斷逐漸成為統(tǒng)計(jì)過程控制的研究熱點(diǎn)之一。因此間歇過程的監(jiān)控顯得更加復(fù)雜。其特點(diǎn)表現(xiàn)在一下