【正文】 out the independent ponent analysis of historical data under normal operation. Useing SPE, 2dI and 2eI statistic to detect the realtime online to judge if there is a system fault, and making use of the variable contribution diagram to find the fault source for the fault separation. The result shows that: for the process information being polluted by industrial 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。wavelet analys 1 目 錄 第一章 緒論 ...................................... 1 引言 .................................................................................... 1 過程監(jiān)控基本概念 ............................................................. 1 過程監(jiān)控的常用技術 ......................................................... 2 基于多變量統(tǒng)計方法的過程監(jiān)控的研究現(xiàn)狀 .................. 5 本文主要研究內容 ............................................................. 6 第二章 獨立成 分分析法監(jiān)控理論 .................... 7 ICA 概述 ............................................................................. 7 ICA 的基本模型及約束條件 .............................................. 7 ICA 的估計原理 .................................................................. 9 ICA 的基本算法 ................................................................ 12 第三章 小波降噪 獨立成分分析方法分析 ............ 14 小波變換的基本理論 ....................................................... 14 小波降噪的基本原理 ....................................................... 15 第四章 基于小波降噪 ICA 的過程監(jiān)控仿真 ......................... 18 過程監(jiān)控 ICA 模型的建立 ............................................... 18 變量貢獻圖 ...................................................................... 22 離散系統(tǒng)多變量過程 ....................................................... 23 第五章 總結與展望 ................................................................... 26 總結 .................................................................................. 26 展望 .................................................................................. 26 參考文獻 ............................................................................................ 27 外文資料 2 中文翻譯 致 謝 天津大學仁愛學院 2020 屆本科生畢業(yè)設計（論文） 1 第一章 緒論 引言 流程工業(yè)是國民經(jīng)濟發(fā)展中極為重要的支柱產(chǎn)業(yè)，在工業(yè)結構中，流程工業(yè)涉及的行業(yè)十分廣泛，主要包括石油、化工、冶金、制藥、電力等原材料加工和能源工業(yè)，其生產(chǎn)過程一般是連續(xù)的或成批的，需要嚴格的過程控制和安全性措施，具有工藝過程相對固定、生產(chǎn)周期短、產(chǎn)品規(guī)格少批量大等特點 [1]。如果過程出現(xiàn)了故障不能及時排除，不僅會讓企業(yè)蒙受巨大的經(jīng)濟損失，而且嚴重威脅著人身安全，造成嚴重的環(huán)境污染。 過程監(jiān)控基本概念 流程工業(yè)中的過程監(jiān)控又常稱為故障診斷，它與標準過程控制既有具有共同點，兩者都是在系統(tǒng)受到擾動或發(fā)生過程異常變化時，采取一定的措施，使系統(tǒng)工作保持穩(wěn)定，進而提高系統(tǒng)的工作性能。實時有效的過程監(jiān)控可以提高系統(tǒng)運行的安全性和保障性，減少停產(chǎn)時間，降低生產(chǎn)成本， 優(yōu)化其生產(chǎn)結構 。 過程監(jiān)控的目的主要是監(jiān)視生產(chǎn)過程的運行狀態(tài)，推斷系統(tǒng)是否正常運行，通過不斷檢測過程變化和故障信息，提高過程系統(tǒng)運行的安全性和可靠性。必要時進行過程干預和恢復。對于大多數(shù)流程工業(yè)系統(tǒng)而言，過程監(jiān)控的任務由低級到高級 主要包括過程故障檢測、過程故障識別、過程故障診斷、過程故障評價與天津大學仁愛學院 2020 屆本科生畢業(yè)設計（論文） 2 決策。較早檢測到故障可以對即將出現(xiàn)的問題做出重要的警告，進而采取適當措施避免它發(fā)展為重大的過程故障，使最終產(chǎn)品質量不受影響，或損失減到最小。 過程故障診斷：此處是指狹義的故障的診斷，僅指根據(jù)上面的結論以及其他知識確定哪種故障 發(fā)生了，具體的說就是最終確定故障的類型、強度以及發(fā)生的時間位置，換句話說就是確定故障狀態(tài)的原因。 一般來講，工業(yè)過程監(jiān)控圖 11 所示如下： N Y故 障 檢 測 故 障 識 別 故 障 診 斷 故 障 評 價 與 決 策 圖 11 工業(yè)過程監(jiān)控圖 過程監(jiān)控的常用技術 傳統(tǒng)的過程監(jiān)控技術是采取閾值檢測和偏差檢測。這種方法容易于實現(xiàn)和理解。偏差檢測是通過比較仿真數(shù)值和實際觀測值，根據(jù)一致性情況來產(chǎn)生報警。因為很難將真正的故障和模型的誤差區(qū)別開來，所以偏差檢測缺乏魯棒性 [3]。由于過程監(jiān)控的核心為故障檢測及診斷，因此故障診斷的分類方法同樣適用于過 程監(jiān)控 []。對于整個故障診斷的領域，按照國際故障診斷權威 教授的觀點，故障診斷方法可以劃分為以下三類：基于解析模型的方法、基于知識的方法、基于信號處理的方法 [4]。殘差是別監(jiān)控對象觀測值和數(shù)學模型之間一致性比較的結果，在較好的條件下，如果發(fā)射過了故障，殘差或它的變形將顯著偏離零點，否則如果只是擾動、噪聲或者模型誤差，那么殘差的只會比較小，多以可以定義適當?shù)拈撝祦頇z測故障是否存在。 狀態(tài)估計方法 狀態(tài)估計方法的基本思想是利用系統(tǒng)的解析模型和可測信息，設計檢測濾波器（觀測器），重建系統(tǒng)的可測變量，然后由濾波器的輸出與真實輸出 的差值構造殘差，在對殘差進行分析處理，實現(xiàn)系統(tǒng)的故障檢測和分離。然而在實際工業(yè)過程中，精確過程模型很難確立，所以目前對于狀態(tài)估計法的研究主要解決如何提高檢測系統(tǒng)對于建模誤差、擾動等未知輸入的魯棒性等問題上。這些關系能夠給出表示傳感器輸 出之間的靜態(tài)代數(shù)關系的直接冗余或者被診斷對象的輸入輸出之間動態(tài)關系的瞬時冗余。 參數(shù)估計方法 對于發(fā)生了故障的系統(tǒng)而言，它包括的參數(shù)可以分為兩類：一類是系統(tǒng)參數(shù)，即描述系統(tǒng)動態(tài)特性的數(shù)學模型中的定常或時變參數(shù)；另一類是故障參數(shù)，即用于描述故障信號自身特性的參數(shù)。與狀態(tài)估計方法相比較，參數(shù)估計方法更有利于故障的分離。 基于知識的故障診斷方法 基于知識的方法就不需要被監(jiān)控對象的精確數(shù)學模型，主要利用了人工智能的方法，適用于有大量生產(chǎn)經(jīng)驗和工藝知識可以利用的場合。 專家系統(tǒng)故障診斷其根本目的在于利用專家的領域知識，經(jīng)驗為故障的診斷服務，但它的應用依賴于專家的領域知識的獲取，知識獲取是一個難點。 ? 基于模糊理論的方法 該方法的總體思路是利用集合論中的隸屬函數(shù)和模糊關系矩陣的概念來解決故障和征兆 之間的不確定性關系，進而實現(xiàn)故障的檢測與診斷。 ? 基于模式識別的方法 模式識別方法對是多變量過程進行故檢測與識別的有效途徑。基于模式識別方法的困難在于如何表達相同故障的特征且必須具有大量系統(tǒng)的歷史樣本。由于 ANN具有記憶、自學習、和能擬合任意連續(xù)非線性函數(shù)的能力以及它的并行處理、全局作用的能力，使它在處理非線性問題和在線估計等方面具有很強的優(yōu)勢，在復雜系統(tǒng)的故障診斷中得到了廣泛的重視。 基于數(shù)據(jù)驅動的方法 目前，工業(yè)過程通常擁有豐富的觀測變量數(shù)據(jù)，因此對過程進行監(jiān)控時，可以以采集的過程數(shù)據(jù)為基礎，通過各種數(shù)據(jù)處理與分析方法 (如多元統(tǒng)計方法、聚類分析、小波分析等 )挖掘出數(shù)據(jù)中隱含的信息，從而指導生產(chǎn)，提高監(jiān)控系統(tǒng)的監(jiān)控能力，比較天津大學仁愛學院 2020 屆本科生畢業(yè)設計（論文） 5 符合流程工業(yè)的特點，通用性強。特征信息子空間刻畫了整個過程正常運行的狀態(tài)及其規(guī)律，而其殘差空間只涉及到過程極少的信息或一些噪聲信息。根據(jù)在子空間中特征信息提取方式的不同，這類過程監(jiān)控的方法又可分為 : 主成分分析方法 (Principal Component Analysis, PCA) 、獨立成分分析法 (Independent Component Analysis, ICA)、偏最小二乘法 (Partial Least Square, PLS)等。通過統(tǒng)計分析方法計算過程信息中占主導地位的相關統(tǒng)計數(shù)據(jù)，提高復雜系統(tǒng)的過程監(jiān)控性能，減少企業(yè)不必要的損失。目前，基于數(shù)據(jù)驅動的方法實現(xiàn)過程問題更具有實際的意義。 本文研究的是 FPSO 流程工業(yè)生產(chǎn)過程監(jiān)控問 題，采用基于數(shù)據(jù)驅動的方法比較穩(wěn)妥，開展基于數(shù)據(jù)驅動的工業(yè)過程性能監(jiān)控的研究，是一個既有理論意義，又有很高應用價值的研究課題。另一方面，流程工業(yè)中傳感器獲取過程數(shù)據(jù)的更新速度快，均為實現(xiàn)基于多變量統(tǒng)計方法提供了基礎。 多變量過程統(tǒng)計方法主要采用各種投影降維方法來實現(xiàn)。 目前多元統(tǒng)計過程方法主要有主元分析、偏最小二乘、典型相關分析等，其中主元分析的理論研究較多。并且需要指出的是：標準多元統(tǒng)計方法在推導過程中，一般作了如下假定： (1)過天津大學仁愛學院 2020 屆本科生畢業(yè)設計（論文） 6 程變量都服 從高斯正態(tài)分布； (2)過程處于穩(wěn)態(tài) (4)過程是線性的； 針對上述 PCA 方法的局限性， 作為 PCA 延伸的獨立分量分析 (ICA)作為近年來發(fā)展起來的一種新的統(tǒng)計信號處理方法 ,該方法同時還適用于過程信息非正態(tài)分布的情況。目前 ICA 在國外發(fā)展得比較快，在國內起步不久 。 近些年來，隨著信號處理與模式識別技術的發(fā)展，在多元統(tǒng)計過程控制 (Multivariate Statistical Process Control, MSPC )領域涌現(xiàn)出許多新的方法，這些新興的理論不僅僅停留在降維的層面，而是通過對數(shù)據(jù)更深層內涵的發(fā)掘達到過程監(jiān)控的目的。其主 要工作如下： (1) 將 作為后臺服務程序完成對離線過程信息的降噪分析及優(yōu)化的 ICA模型的建立，將仿真實時數(shù)據(jù)投影到該模型，采用 SPE 統(tǒng)計量、 2dI 統(tǒng)計量和 2eI 統(tǒng)計量完成生產(chǎn)過程故障的檢測。應用優(yōu)化的 ICA 模型對仿真實時數(shù)據(jù)進行在線監(jiān)測，采用 DDE 動態(tài)數(shù)據(jù)交換的方法將實時數(shù)據(jù)傳送到 MATLAB 后臺服務器程序計算 SPE 統(tǒng)計量、 2dI 統(tǒng)計量和 2eI 統(tǒng)計量實時值，并將與