论文部分内容阅读
随着科技的发展和社会需求的增长,流程工业作为国民经济发展的重要基础,例如石油、化工、冶金、制药、食品等生产过程变得日趋大型化、集成化和自动化。其中,设备老化、环境漂移等引起的微小故障随着生产的进行,往往会造成重大生产事故,导致严重人身伤害、巨大财产损失甚至无可挽回的环境灾难。过程监测与故障诊断作为保障其安全平稳运行的关键技术得到了广泛关注与快速发展。依据流程工业生产工艺和采集的大量过程数据,采用多元统计分析方法建立过程监控模型,实现对微小故障的监测与诊断。主要工作如下:(1).针对流程工业过程中出现的幅值较小、易与噪声混淆的微小故障,提出一种将多元指数加权滑动平均(MEWMA)与主元分析(PCA)相结合的MEWMA-PCA过程监测方法。首先应用多元指数加权滑动平均对原始采样数据进行滤波,剔除噪声;其次采用主元分析提取两类统计量T2与SPE,为简化监测过程,将上述统计量融合为单个联合指标,进而给出完整的过程监测流程;最后通过实例研究,验证了该监测方法的合理性。(2).针对主元分析孤立地提取过程数据的特征,而忽略了数据自身及其相互之间的相关特性,因此提出基于规范变量分析(CVA)与多元指数加权滑动平均相结合的MEWMA-CVA过程微小故障监测方法。该方法同样采用多元指数加权滑动平均对原始数据进行滤波,去除噪声干扰;然后基于CVA的状态空间模型最大化过去数据与未来数据的相关性,建立过程统计指标,进而给出MEWMA-CVA过程监测流程;最后通过TE过程验证了该方法的有效性,并与之前所提出的监测方法进行了系统对比分析。(3).针对传统贡献图在诊断过程中普遍存在的故障“污点效应”、单个采样时刻分析不准确的问题,提出联合指标梯度重构贡献图的诊断方法。采用重构贡献图消除故障的传播,即故障源对其他变量的影响;再通过联合指标梯度法提取变量在不同采样时刻的变化,进而精确定位故障起源。基于多种故障的实例分析,验证了该方法的准确性。(4).组态环境下的过程微小故障监控系统开发,为上述故障监测与诊断方法的实际应用提供了有力的技术平台。由于流程工业生产工艺复杂、变量众多且耦合严重,针对微小故障的多元统计分析过程监控方法还需在非正太分布、非线性系统以及新的数据分析方法方面深入拓展,进一步提升监控效果。