收藏本站
《浙江大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

复杂工况过程统计监测方法研究

葛志强  
【摘要】: 保证过程安全和提高产品质量是现代流程工业迫切需要解决的两个问题,作为过程系统工程领域的关键技术之一,过程监测技术是解决这两个问题的有效途径。由于集散控制系统(DCS)在流程工业中的广泛应用,极大地丰富了过程的数据信息,基于数据驱动的过程监测技术在过去十多年间得到了长足的发展。其中,多变量统计过程监测方法(MSPC)更是受到了学术界和工业界的普遍关注,已经成为过程监测领域的研究热点之一。 但是,传统的MSPC方法对过程的限制条件较多,如过程数据必须服从高斯分布、线性、稳定单一工况等,本文在前人研究工作的基础上,针对不同的复杂工况过程,提出多种有效的过程监测方法,具体包括: (1)针对过程数据的复杂分布情况,提出一种基于独立成分分析和主元分析(ICA-PCA)两步信息提取策略的过程监测方法,并引入支持向量数据描述(SVDD)和因子分析(FA)方法对提出的方法进行了改进。其中,提出的基于SVDD重构的故障诊断方法解决了非高斯故障诊断的难点,是对重构类故障诊断方法的重要补充;提出的基于混合因子的故障识别方法也在很大程度上改善了故障识别的效果。 (2)针对非线性工况过程,在基本的核主元分析(KPCA)方法的基础上,引入统计局部技术(LA)对其进行改进,新的方法消除了对过程数据分布的限制条件。为了简化传统非线性过程监测算法建模和在线实施的复杂性,提出了一种基于线性子空间集成和Bayesian推理的过程监测方法,不仅有效地提高了监测效果,而且在很大程度上降低了算法的复杂度。 (3)针对过程的时变和多工况特性,并同时考虑到过程的复杂数据分布和非线性情况,提出了三种新的方法,即基于局部最小二乘回归(LSSVR)模型的方法、基于非线性外部分析的鲁棒方法以及基于二维线性子空间集成和Bayesian推理的方法。其中,基于局部模型的方法有效地改善了传统递归方法的不足,增强了时变过程监测的实时性;非线性外部分析鲁棒算法不仅有效地推广了外部分析方法在非线性过程中的应用,而且增强了该算法抗击噪声和离群点的能力;提出的二维监测方法不仅在很大程度上减弱了过程监测对知识和经验的依赖性,而且取得了很好的效果。 (4)同时考虑过程动态性和非高斯性的监测方法研究目前还比较少,本文在子空间模型辨识方法的基础上,通过引入统计局部技术,提出一种基于SMILA的动态非高斯过程监测方法,相比已有的动态非高斯过程监测方法,新的方法获得了更满意的监测性能。 (5)相比连续生产过程,间歇生产过程要复杂的多,由于目前对于多工况复杂间歇过程监测的研究还比较少,本文特别针对这种类型的间歇过程,提出一种基于Bayesian推理的监测方法,并将其推广至更为复杂的多阶段间歇生产过程中。 最后,在总结全文的基础上,对过程监测领域的未来工作进行了展望。
【学位授予单位】:浙江大学
【学位级别】:B
【学位授予年份】:2009
【分类号】:TP277

知网文化
【引证文献】
中国期刊全文数据库 前4条
1 周梅;周哲;文成林;;基于k近邻的批次过程在线实时监测方法[J];计算机辅助工程;2015年03期
2 张静;冒泽慧;姜斌;陈祥;;基于自适应PCA的高频电源故障检测[J];控制工程;2014年01期
3 陈如清;;基于改进MVU的非线性动态过程故障检测方法[J];仪器仪表学报;2013年09期
4 郭飞鸿;黄德先;;基于分段主元分析的变负荷过程监控方法[J];计算机与应用化学;2012年10期
中国博士学位论文全文数据库 前10条
1 刘玥;基于集成学习的工业过程监测[D];浙江大学;2019年
2 刘鑫;非理想数据条件下非线性系统辨识方法研究[D];哈尔滨工业大学;2019年
3 吕菲亚;基于栈式自编码网络的故障诊断方法研究[D];浙江大学;2019年
4 惠永永;基于邻域保持嵌入的复杂过程故障检测研究[D];兰州理工大学;2019年
5 刘井响;数据驱动的非线性批次/多规格生产过程监测与质量预测[D];大连理工大学;2019年
6 姚乐;面向大规模数据的工业过程分布式并行建模及应用[D];浙江大学;2019年
7 魏驰航;基于降维映射的工业过程建模与监测[D];浙江大学;2018年
8 潘怡君;基于鲁棒主元分析方法的大型高炉故障检测研究[D];浙江大学;2018年
9 王锡昌;基于局部偏最小二乘的间歇过程质量预测研究[D];北京工业大学;2017年
10 王洋;基于故障特征提取与选择的统计过程监测研究[D];上海大学;2017年
中国硕士学位论文全文数据库 前10条
1 王盈旭;基于数据和知识驱动的膜污染智能预警方法及应用研究[D];北京工业大学;2019年
2 张远绪;基于PSO-DDSAEN的凝汽器故障诊断研究[D];青岛科技大学;2019年
3 汪庆宁;基于主多项式分析的化工过程故障诊断方法研究[D];重庆理工大学;2019年
4 陈革成;基于聚类的工业不平衡故障数据分类方法研究[D];浙江大学;2019年
5 马超;基于稀疏表示和概率主元分析的化工过程故障检测与识别[D];华东交通大学;2018年
6 郑皓;面向多阶段间歇过程的故障监测方法改进研究[D];江南大学;2018年
7 王虹鉴;基于半监督集成学习的故障分类研究[D];浙江大学;2018年
8 刘叶忠;基于递归模式的非线性过程检测[D];哈尔滨理工大学;2018年
9 王银利;基于改进KPCA和SVDD故障检测的应用研究[D];华东交通大学;2017年
10 吴秀江;复杂化工过程的故障检测与诊断研究[D];华东交通大学;2017年
【参考文献】
中国期刊全文数据库 前6条
1 谢磊;刘雪芹;张建明;王树青;;基于NGPP-SVDD的非高斯过程监控及其应用研究[J];自动化学报;2009年01期
2 赵忠盖;刘飞;;因子分析及其在过程监控中的应用[J];化工学报;2007年04期
3 李荣雨;荣冈;;Fault Isolation by Partial Dynamic Principal Component Analysis in Dynamic Process[J];Chinese Journal of Chemical Engineering;2006年04期
4 陈国金,梁军,钱积新;独立元分析方法(ICA)及其在化工过程监控和故障诊断中的应用[J];化工学报;2003年10期
5 王海清,宋执环,王慧,詹宜巨;小波阈值密度估计器的设计与应用[J];仪器仪表学报;2002年01期
6 陈耀,王文海,孙优贤;基于动态主元分析的统计过程监视[J];化工学报;2000年05期
中国博士学位论文全文数据库 前6条
1 刘世成;面向间歇发酵过程的多元统计监测方法研究[D];浙江大学;2008年
2 赵旭;基于统计学方法的过程监控与质量控制研究[D];上海交通大学;2006年
3 周韶园;基于HMM的统计过程监控研究[D];浙江大学;2005年
4 蒋丽英;基于FDA/DPLS方法的流程工业故障诊断研究[D];浙江大学;2005年
5 谢磊;间歇过程统计性能监控研究[D];浙江大学;2005年
6 郭明;基于数据驱动的流程工业性能监控与故障诊断研究[D];浙江大学;2004年
【共引文献】
中国期刊全文数据库 前10条
1 Shi-jin REN;Yin LIANG;Xiang-jun ZHAO;Mao-yun YANG;;一种融合贝叶斯推理与LDRSKM的多模态过程监测算法(英文)[J];Frontiers of Information Technology & Electronic Engineering;2015年08期
2 童楚东;史旭华;;基于互信息的PCA方法及其在过程监测中的应用[J];化工学报;2015年10期
3 王国柱;刘建昌;李元;;稀疏性SVDD方法在故障检测中的应用研究[J];东北大学学报(自然科学版);2015年06期
4 聂鹏;何超;许良;李正强;崔凯奇;;基于遗传算法优化SVM的刀具VB值预测的研究[J];机床与液压;2015年11期
5 王靖程;曹晖;张彦斌;任志文;;基于最小化界外密度的SVDD参数优化算法[J];系统工程与电子技术;2015年06期
6 高学金;崔宁;张亚潮;齐咏生;王普;;基于粒子群优化MICA的间歇过程故障监测[J];仪器仪表学报;2015年01期
7 杨正永;王昕;王振雷;;基于LTSA-Greedy-SVDD的过程监控[J];华东理工大学学报(自然科学版);2014年03期
8 蔡晋辉;桑迎平;曾九孙;姚燕;;基于概率分布测度的高炉故障检测研究[J];仪器仪表学报;2014年06期
9 刘伟;苏成利;;基于MPCA-MHMT的多阶段间歇过程监控研究[J];辽宁石油化工大学学报;2013年02期
10 姜庆超;颜学峰;;基于敏感核主成分的化工过程统计监控(英文)[J];Chinese Journal of Chemical Engineering;2013年06期
中国博士学位论文全文数据库 前10条
1 王世林;基于多元统计分析的工业过程故障检测研究[D];华北电力大学(北京);2018年
2 孙鹤;数据驱动的复杂非平稳工业过程建模与监测[D];浙江大学;2018年
3 潘怡君;基于鲁棒主元分析方法的大型高炉故障检测研究[D];浙江大学;2018年
4 楼志江;改进主元分析方法及其在化工过程监控中的应用[D];北京化工大学;2017年
5 蒋立;基于自编码器模型的非线性过程监测[D];浙江大学;2018年
6 郭凡;非线性变量误差系统的辨识方法研究[D];东华大学;2016年
7 王国柱;基于统计理论的工业过程故障诊断方法研究[D];东北大学;2016年
8 邵彦超;油气井安全生产监控数据预测预警系统及算法研究[D];北京邮电大学;2016年
9 张淑美;基于数据驱动的复杂多模态过程模态识别及过程监测研究[D];东北大学;2016年
10 商亮亮;基于规范变量分析的工业过程递推建模、在线监测和质量预报[D];东北大学;2016年
【同被引文献】
中国期刊全文数据库 前10条
1 贺晓冉;陈宸;金光石;熊智华;;青霉素发酵过程的模型仿真与补料优化[J];化工学报;2012年09期
2 马玉鑫;王梦灵;侍洪波;;基于局部线性嵌入算法的化工过程故障检测[J];化工学报;2012年07期
3 王沁;何杰;张前雄;刘冰峰;于彦伟;;测距误差分级的室内TOA定位算法[J];仪器仪表学报;2011年12期
4 闫德勤;刘胜蓝;李燕燕;;一种基于稀疏嵌入分析的降维方法[J];自动化学报;2011年11期
5 刘昶;周激流;郎方年;高朝邦;;基于加权判别局部多线性嵌入的人脸识别[J];仪器仪表学报;2011年10期
6 邓晓刚;田学民;;基于DMVU-OCSVM的故障诊断方法[J];化工学报;2011年08期
7 张妮;田学民;;基于等距离映射的非线性动态故障检测方法[J];上海交通大学学报;2011年08期
8 陆宁云;王磊;姜斌;;基于时延SDG和ICA的多工况过程故障预测方法[J];控制工程;2011年04期
9 康文文;赵建国;丛伟;施晓寒;;含分布式电源的配电网故障检测与隔离算法[J];电力系统自动化;2011年09期
10 谭帅;王福利;常玉清;王姝;周贺;;基于差分分段PCA的多模态过程故障监测[J];自动化学报;2010年11期
中国博士学位论文全文数据库 前10条
1 魏驰航;基于降维映射的工业过程建模与监测[D];浙江大学;2018年
2 马志强;Lagrange系统的分数阶滑模控制方法研究[D];哈尔滨工业大学;2017年
3 马亮;Hammerstein非线性系统辨识算法研究[D];浙江大学;2017年
4 朱金林;数据驱动的工业过程鲁棒监测[D];浙江大学;2016年
5 袁小锋;基于即时学习的复杂非线性过程软测量建模及应用[D];浙江大学;2016年
6 周哲;基于k近邻的复杂工业过程故障诊断方法研究[D];浙江大学;2016年
7 周乐;基于概率的工业过程数据建模与故障检测[D];浙江大学;2015年
8 胡静;基于多元统计分析的故障诊断与质量监测研究[D];浙江大学;2015年
9 文巧钧;基于状态空间模型的复杂动态过程监测方法研究[D];浙江大学;2015年
10 姜庆超;基于信息富集与特征选择的多元统计化工过程监测研究[D];华东理工大学;2015年
中国硕士学位论文全文数据库 前10条
1 吴秀江;复杂化工过程的故障检测与诊断研究[D];华东交通大学;2017年
2 王宏宇;基于神经网络的凝汽器故障诊断系统[D];东北电力大学;2017年
3 朱菲菲;基于数据驱动的工业过程故障诊断研究[D];哈尔滨理工大学;2017年
4 孙文珺;基于深度学习模型的感应电机故障诊断方法研究[D];东南大学;2017年
5 吴卓卓;基于田纳西—伊斯曼过程故障检测方法研究[D];华东交通大学;2016年
6 陈珊珊;基于稀疏表示和特征提取的癫痫脑电分类识别方法研究[D];济南大学;2016年
7 颜丹;基于深度自动编码器的特征提取算法研究[D];长沙理工大学;2016年
8 项亚南;基于MPCA的工业间歇过程故障检测方法改进研究[D];江南大学;2015年
9 曲彦光;基于动态不确定因果图的化工过程动态故障诊断及状态预测[D];北京化工大学;2015年
10 张富元;基于多分类器决策融合的故障检测与诊断及GUI平台设计[D];浙江大学;2015年
【二级引证文献】
中国期刊全文数据库 前2条
1 陈如清;;基于KPCA-MVU的噪声非线性过程故障检测方法[J];仪器仪表学报;2014年12期
2 孙文柱;曲建岭;袁涛;高峰;付战平;;基于改进SVDD的飞参数据新异检测方法[J];仪器仪表学报;2014年04期
中国博士学位论文全文数据库 前1条
1 惠永永;基于邻域保持嵌入的复杂过程故障检测研究[D];兰州理工大学;2019年
中国硕士学位论文全文数据库 前4条
1 段怡雍;基于稀疏主元分析的故障检测研究[D];浙江理工大学;2019年
2 张芷瑜;基于多元统计分析的故障检测在化工过程中的应用[D];辽宁石油化工大学;2019年
3 吴春磊;基于改进深度学习模型的过程故障识别研究[D];华东交通大学;2019年
4 马超;基于稀疏表示和概率主元分析的化工过程故障检测与识别[D];华东交通大学;2018年
【二级参考文献】
中国期刊全文数据库 前3条
1 梁军,钱积新;Multivariate Statistical Process Monitoring and Control: Recent Developments and Applications to Chemical Industry[J];Chinese Journal of Chemical Engineering;2003年02期
2 王海清,宋执环,李平;改进PCA及其在过程监测与故障诊断中的应用[J];化工学报;2001年06期
3 王海清,宋执环,李平;采用正交小波网络的非线性系统辨识方法[J];控制理论与应用;2001年02期
中国博士学位论文全文数据库 前9条
1 宋凯;基于PLS的统计质量监控研究与应用[D];浙江大学;2005年
2 成忠;PLSR用于化学化工建模的几个关键问题的研究[D];浙江大学;2005年
3 蒋丽英;基于FDA/DPLS方法的流程工业故障诊断研究[D];浙江大学;2005年
4 谢磊;间歇过程统计性能监控研究[D];浙江大学;2005年
5 赵仕健;多元统计过程监控若干问题研究[D];清华大学;2005年
6 何宁;基于ICA-PCA方法的流程工业过程监控与故障诊断研究[D];浙江大学;2004年
7 陈国金;工业过程监控:基于主元分析和盲源信号分析方法[D];浙江大学;2004年
8 郭明;基于数据驱动的流程工业性能监控与故障诊断研究[D];浙江大学;2004年
9 姚志湘;过程系统状态空间统计模型和化工过程监测[D];华南理工大学;2003年
【相似文献】
中国期刊全文数据库 前10条
1 黄溶,杨诚荣;烟道气P_2O_5监测方法[J];中国环境监测;1988年01期
2 李宝成;大气中一氧化碳监测方法对比实验[J];中国环境监测;1988年03期
3 胡望钧;;恶臭及其监测方法[J];环境污染与防治;1988年01期
4 杨毅;;基于爬虫大数据的网络负载异常监测方法[J];河南科技;2019年34期
5 茅海琼;;我国环境监测方法标准编制的现状与展望[J];中国标准化;2019年17期
6 王翠娟;毕双凤;;地理国情监测方法探讨[J];科技创新与应用;2019年17期
7 S·莱文;王焕福;;过度训练及监测方法[J];中国体育科技;1992年08期
8 隋广春,张勇,王凤俊,李婕;浅海氨氧监测方法[J];中国环境监测;2000年03期
9 谷骁勇;易广宏;;滚动轴承实时监测方法的探讨[J];科技信息;2009年24期
10 阚冬梅;刘岩琳;金德利;;两种成蚊监测方法浅析[J];中国媒介生物学及控制杂志;2007年03期
中国重要会议论文全文数据库 前10条
1 范天瑜;吴青文;梁胜文;周新萌;王杰;;叶绿素a监测方法改进的探讨[A];2007中国环境科学学会学术年会优秀论文集(下卷)[C];2007年
2 武成利;王蓓蓓;陈晨;;燃煤电厂烟气中重金属汞的监测方法比较[A];中部四省化学化工学会2016年学术年会摘要集[C];2016年
3 齐文启;华秀;刘京;曹杰山;;水和废水中无机污染物新的监测方法研究[A];中国分析测试协会科学技术奖发展回顾[C];2015年
4 王蕾;高亚琪;;新疆土地退化监测方法与评价指标研究[A];2011中国环境科学学会学术年会论文集(第二卷)[C];2011年
5 张天舒;刘文清;高闽光;徐亮;;开放光路FTIR痕量气体多组分监测方法研究[A];中国气象学会2006年年会“大气成分与气候、环境变化”分会场论文集[C];2006年
6 黄崇敬;苏晓明;张凤才;;无线超短波电磁兼容环境监测方法研讨[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
7 彭深;;基于综合指标的叶片结冰监测方法[A];第四届中国风电后市场专题研讨会论文集[C];2017年
8 彭深;;基于综合指标的叶片结冰监测方法[A];风能产业(2017年12月)[C];2017年
9 池仕运;胡菊香;高少波;马沛明;;底栖动物监测方法研究进展[A];中国原水论坛专辑[C];2010年
10 高少华;;对二甲苯泄漏的数值模拟及开路式傅里叶红外的监测方法[A];2017中国化工学会年会——第二届化工安全论坛资料汇编[C];2017年
中国重要报纸全文数据库 前8条
1 石鑫 刘安;创新价格监测方法 拊行计算机采价[N];中国经济导报;2006年
2 刘向红 和德庆 刘文省;黄河险情监测方法分析[N];黄河报;2014年
3 湖北省巴东县环境监测站 李学辉 李雨霁;完善环境监测方法标准体系[N];中国环境报;2017年
4 李欣;呼唤深层次监测方法[N];计算机世界;2003年
5 泰安市物价局局长 亓利群;创新监测方法 服务价格决策[N];中国经济导报;2006年
6 本报通讯员 张强;神木电化公司首创国内最复杂工况锅炉运行纪录[N];榆林日报;2017年
7 姚立平;笑对复杂工况[N];中华工商时报;2003年
8 张义;国家草种质资源库种质材料监测方法[N];中国畜牧兽医报;2014年
中国博士学位论文全文数据库 前10条
1 葛志强;复杂工况过程统计监测方法研究[D];浙江大学;2009年
2 刘世成;面向间歇发酵过程的多元统计监测方法研究[D];浙江大学;2008年
3 张石锐;畜禽生产环境中主要有害气体监测方法研究[D];上海交通大学;2014年
4 文巧钧;基于状态空间模型的复杂动态过程监测方法研究[D];浙江大学;2015年
5 常江华;复杂工况车载钻机电液系统动态特性及控制方法研究[D];煤炭科学研究总院;2019年
6 姜庆超;基于信息富集与特征选择的多元统计化工过程监测研究[D];华东理工大学;2015年
7 吴海曦;面向增材制造的声发射监测技术及应用研究[D];浙江大学;2017年
8 马潇潇;基于敞开式离子源的质谱在线反应监测方法研究[D];清华大学;2012年
9 刘玥;基于集成学习的工业过程监测[D];浙江大学;2019年
10 姚志湘;过程系统状态空间统计模型和化工过程监测[D];华南理工大学;2003年
中国硕士学位论文全文数据库 前10条
1 王楠;基于数据的非线性过程监测方法的研究[D];东北大学;2014年
2 祝元春;基于核独立成分分析的发酵过程监测方法研究[D];北京化工大学;2013年
3 赵海培;水下柱状结构的局部冲刷监测方法研究[D];大连理工大学;2013年
4 李智明;基于数据的多模式工业过程监测方法研究[D];东北大学;2011年
5 彭文雨;基于偏振相关的带内光信噪比监测方法的研究[D];北京邮电大学;2014年
6 冯淑敏;基于多元统计的复杂工业过程监测方法研究[D];东北大学;2011年
7 宁子森;高压套管绝缘缺陷监测方法的研究[D];华北电力大学;2014年
8 常晶;大规模网络虚拟化监测方法的研究与实现[D];北京邮电大学;2014年
9 孙杰;基于信息迁移技术的过程监测方法研究[D];东北大学;2013年
10 张玲君;基于改进偏最小二乘的过程监测方法研究[D];东北大学;2014年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026