论文部分内容阅读
随着现代流程工业不断地向大型化、集成化方向发展,工业过程的复杂性不断提高,过程变量也越来越多,一旦发生故障,将会造成人员和财产的巨大损失,因此流程工业过程监控已成为控制领域研究的重点之一。同时随着流程工业计算机集成过程系统的发展,越来越多的过程数据被及时采集和存储,本文设计的基于数据驱动的监控仿真器能较充分的利用这些可测的过程数据,并且能及时准确地监控流程工业生产过程,对于提高系统的可靠性具有重要意义。对于数据驱动流程工业过程监控仿真器,本文主要进行了以下几个方面的研究:(1)针对各种数据驱动算法加以分析、研究,并进行了实例验证,得出结论:1)PCA的线性跨度大于FDA,更适合于对数据进行整体分离;FDA考虑了类间信息,FDA可以更好地分离类;2)在低维分类时,PCA与PLS类似;高维分类时,PCA好于PLS;3)CVA利用权值来使变量集的相关性最大,可以应用在非线性情况下,而PCA、FDA、PLS均应用于线性系统。(2)提出了新的数据驱动算法。通过和其它数据驱动算法的比较,改进的数据驱动算法可以实现很好的数据分类效果,具有较好的监控能力。(3)对基于数据驱动的流程工业过程监控仿真器的结构进行了设计,包括:软件和硬件结构设计;仿真平台的开放性设计;仿真平台的开放性实现。(4)通过分析论证,选取Matlab和组态王分别作为仿真器的算法实现软件和可视图形管理软件。并且在Matlab中开发了数据驱动算法的仿真函数,包括:故障检测算法、故障识别算法和故障诊断算法。(5)将仿真器应用于田纳西-伊斯曼和氯乙酸典型的流程工业过程。对田纳西-伊斯曼过程进行了故障检测、识别、诊断的仿真实验,具体地分析了21种故障的过程监控问题。针对氯乙酸生产过程的应用及实验,得到了较好的效果,显示了其解决小样本问题的有效性和可行性。