论文部分内容阅读
随着工业生产规模的不断扩大，过程的复杂度也日益增加，所以保证生产过程稳定有序的进行，变得尤为的重要。在现代化的过程中，有大量的过程数据参数被采集并存储起来，利用基于数据驱动的检测方法对这些过程数据进行监控分析，能及时有效地检测出过程系统中存在的异常情况，并对异常数据进行故障分类，依照分类结果诊断出故障源并采取相应的措施。该方法能够有效地减小故障发生的可能性，对工业生产过程的故障诊断具有实际的指导意义。本文研究的主要内容如下：首先，采用常规的主元分析(Principal ComponentAnalysis, PCA)建立TE过程监控模型并分析监控结果。由于TE过程数据不服从高斯分布，所以难以达到满意的检测效果，监控过程中的误报、漏报现象比较严重。因此，在PCA的基础上，采用基于独立元分析(Independent Component Analysis, ICA)对TE过程监控分析，ICA能够灵敏有效地检测出故障,具有更好的监控性能。利用ICA提取的故障信息，采用支持向量机(Support Vector Machine, SVM)的方法对其进行故障分类，如果存在多个可能的故障源，需要进一步采用二叉树支持向量机进行多分类诊断，一一诊断出故障源。通过对TE过程的故障诊断，验证了ICA-SVM融合的算法的准确性和有效性。然后，将ICA-SVM融合的算法应用于三水箱液位控制系统的故障诊断，利用算法对系统运行的数据进行监控诊断，诊断出故障的具体类型。该融合的方法对服从非高斯分布数据的故障诊断非常有效，并且提高了故障诊断的时效性。最后，在VB的环境下建立实时监控界面，通过VB调用matlab程序，建立故障诊断监控平台，实现对运行系统的监控、分析与诊断，以保证实验设备的正常运行。