基于多块PLS的故障检测方法研究

摘要

由于科学技术的飞速发展和现代化生产的快速进步，工业系统的结构越来越复杂，投资越来越大，自动化水平越来越高。保障系统装置运行的安全性和可靠性极为重要，采用故障诊断技术来提高工业过程的安全性和可靠性是一种有效而被广泛应用的方法。同时，工业系统普遍存在规模大、数据非线性等特点，因此，针对工业过程的规模大和非线性特征研究故障诊断技术具有极其重要的价值。基于多元统计方法的故障诊断技术是故障诊断领域的一个重要研究分支，由于其不依赖于数学模型以及现场拥有大量易获得的过程数据而更具有实用性。本文的具体工作如下：
　　首先，本文阐述了研究背景及意义，介绍了故障诊断的方法、分类及其优缺点，并且介绍了基于多元统计故障诊断方法的优势、发展及研究现状;详细介绍了基于多元统计的故障诊断方法中的偏最小二乘法(PLS)的原理和在多元统计方法中的优势以及基于此方法的故障检测建模与流程。
　　其次，针对实际工业系统中大型的工业生产过程包括许多处理单元的情况，采用分块的思想，研究了多块偏最小二乘法(MBPLS)实现故障检测;阐述了分块的通用原则;通过基于田纳西-伊斯曼过程的仿真实验，根据工艺过程的描述，将田纳西-伊斯曼过程进行合理的分割分块，并验证了使用多块偏最小二乘法实现对系统分单元分块故障检测的可行性。
　　最后，针对多块偏最小二乘法无法解决实际工业系统中变量间存在非线性关系的问题，引入该方法，解决针对系统数据存在非线性的故障检测问题;并通过仿真实验，验证了基于多块核偏最小二乘法(MBKPLS)解决工业系统多单元、数据非线性问题的有效性。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 故障诊断技术概述

1．2．1 故障诊断基本概念

1．2．2 故障诊断方法分类

1．3 偏最小二乘的故障诊断技术研究现状

1．4 本文主要工作

第2章 基于偏最小二乘法的故障诊断理论基础

2．1 数据预处理

2．2 多变量统计过程控制

2．2．1 单变量统计

2．2．2 多变量统计

2．2．3 多元线性回归分析

2．3 偏最小二乘法

2．3．1 偏最小二乘回归的基本思想

2．3．2 偏最小二乘法的算法描述

2．3．3 偏最小二乘成分的确定方法

2．4 基于偏最小二乘法的故障检测

2．4．1 SPE统计量

2．4．2 T2统计量

2．5 本章小结

第3章 基于多块偏最小二乘法的故障检测方法研究

3．1 多块偏最小二乘算法

3．2 基于多块偏最小二乘法的故障检测

3．3 基于分块方法的仿真实验

3．3．1 分块方法概述

3．3．2 TE工艺流程

3．3．3 TE变量和过程故障

3．3．4 TE过程的分块

3．3．5 仿真实验

3．4 本章小结

第4章 基于非线性多块偏最小二乘法的故障检测方法研究

4．1 非线性PLS发展与现状

4．2 多块核偏最小二乘建模方法

4．2．1 核函数

4．2．2 核偏最小二乘的算法

4．2．3 多块核偏最小二乘的算法

4．3 基于多块核偏最小二乘法的故障检测

4．4 仿真实验

4．5 本章小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢