论文部分内容阅读
现代流程工业具有大型化、连续化、智能化、重载化、高速化等特点,一旦故障发生,将会造成人员和财产的巨大损失,所以将故障诊断方法做为研究课题,具有重要意义和实际价值。针对流程工业对象的特点,本文以田纳西-伊斯曼过程(Tennessee-Eastman Process,简称TEP)为背景,以核独立成分分析方法(KICA)和Fisher辨别式分析(FDA)为基础,实现对该过程进行故障检测和诊断的目的。本文所作的主要工作如下：(1)详细介绍了故障诊断方法的概念,任务及过程。阐述了故障诊断方法的研究现状,并从定量分析和定性分析角度出发,研究故障诊断方法的分类；(2)研究了独立成分分析(ICA)及核独立成分分析方法(KICA)原理及其多元统计故障检测方法在TEP中的应用。将两种检测方法应用在TEP中,得出基于KICA的多元统计故障检测方法性能优于ICA;(3)对KICA故障检测方法进行了改进。本文将特征向量提取(FVS)和KICA相结合,提出了一种基于FVS的KICA故障检测方法,该方法首先利用FVS寻找一个样本子集,此子集在特征空间F中的映射能够充分表明全部样本数据的映射,然后再进行KICA运算。当样本个数很大时,降低了KICA的计算量,缩短了计算时间。通过对TEP的典型故障仿真研究,验证了提出方法的有效性；(4)对FDA故障诊断方法进行改进,提出了一种基于KICA-FDA的故障诊断方法。该方法首先通过KICA提取统计独立的关键变量,然后利用提取的关键变量建立FDA故障诊断模型。将该方法应用在TEP的典型故障中,其仿真结果表明,基于KICA-FDA的故障诊断方法的性能优于其它基于FDA的故障诊断方法。