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

【引证文献】
中国期刊全文数据库 前8条
1 宋良轩;顾幸生;;基于MWMKPCA和CPI的间歇过程控制性能监测与评估[J];华东理工大学学报(自然科学版);2018年04期
2 王振雷;江伟;王昕;;基于多块MICA-PCA的全流程过程监控方法[J];控制与决策;2018年02期
3 王中伟;宋宏;李帅;周晓锋;;基于对数变换和最大信息系数PCA的过程监测[J];科学技术与工程;2017年16期
4 潘怡君;杨春节;孙优贤;周哲;安汝峤;;基于主成分追踪方法的过程监测[J];中南大学学报(自然科学版);2017年01期
5 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
6 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
7 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
8 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 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 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
3 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
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 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
6 王光;基于关键性能指标的数据驱动故障检测方法研究[D];哈尔滨工业大学;2016年
7 罗林;基于数据驱动的非线性过程故障诊断若干问题研究[D];浙江大学;2015年
8 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
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 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
2 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
3 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
4 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
5 鞠浩;基于偏最小二乘法的非线性工业过程监测方法研究[D];哈尔滨工业大学;2017年
6 邱化强;基于实时学习的带确定扰动过程监测方法研究[D];哈尔滨工业大学;2017年
7 任泽林;数据驱动的非线性过程监测方法研究[D];哈尔滨工业大学;2017年
8 解亚萍;基于改进的KPLS的间歇发酵过程故障诊断与质量预测[D];内蒙古工业大学;2017年
9 孙梦园;基于改进ICA算法的高炉故障诊断方法[D];浙江大学;2017年
10 何东;基于全局和局部结构特征提取的故障检测方法研究[D];华东交通大学;2016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 李庆华;陈家益;潘丰;赵忠盖;;基于t分布噪声的鲁棒PPLS回归模型[J];系统工程理论与实践;2018年09期
2 张忠祥;程辉;叶贞成;梅华;张广辉;;用于动态化工过程故障检测的T-TELPP算法[J];华东理工大学学报(自然科学版);2018年04期
3 李庆华;潘丰;赵忠盖;;一种改进CPLS算法及其在过程监控中的应用[J];系统仿真学报;2018年02期
4 陈家益;赵忠盖;刘飞;;半监督鲁棒概率偏最小二乘模型及其在多采样率过程监控中的应用[J];信息与控制;2017年06期
5 丁英涛;程辉;王振雷;梅华;赵亮;;IFA和FA联合方法在化工过程监控中的应用[J];华东理工大学学报(自然科学版);2017年05期
6 王印松;蔡博;焦阳;朱向伟;;基于改进类均值核主元分析的控制系统传感器故障检测[J];电力科学与工程;2017年09期
7 张妮;车立志;吴小进;;基于数据驱动的故障诊断技术研究现状及展望[J];计算机科学;2017年S1期
8 Shixin Gong;Cheng Shao;Li Zhu;;Energy efficiency evaluation based on DEA integrated factor analysis in ethylene production[J];Chinese Journal of Chemical Engineering;2017年06期
9 胡婷婷;王帆;侍洪波;;基于变量概率信息的因子分析监控方法[J];化工学报;2017年07期
10 衷路生;侯昌瑞;;基于独立成分和支持向量数据描述(IC-SVDD)的工业过程故障检测[J];计算机与应用化学;2017年04期
中国博士学位论文全文数据库 前10条
1 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
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 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
4 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
5 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
6 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
7 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
8 周成;基于递归图的工业过程异常监测和故障诊断研究[D];北京科技大学;2016年
9 何章鸣;非预期故障的数据驱动诊断方法研究[D];国防科学技术大学;2015年
10 李喆;自适应多变量统计过程监控研究[D];浙江大学;2015年
【同被引文献】
中国期刊全文数据库 前10条
1 衷路生;吴卓卓;谭畅;龚锦红;张永贤;;基于得分矩阵和支持向量数据描述(SM-SVDD)的过程监测[J];科学技术与工程;2016年08期
2 谢彦红;孙呈敖;李元;;基于滑动窗口SVDD的间歇过程故障监测[J];信息与控制;2015年05期
3 江伟;王昕;王振雷;;基于LTSA和MICA与PCA联合指标的过程监控方法及应用[J];化工学报;2015年12期
4 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
5 杨正永;王昕;王振雷;;基于LTSA和联合指标的非高斯过程监控方法及应用[J];化工学报;2015年04期
6 蔡连芳;田学民;张妮;;基于核时序结构独立元分析的非线性过程监控方法(英文)[J];Chinese Journal of Chemical Engineering;2014年Z1期
7 张巍;王昕;王振雷;;基于多模型混合最小方差控制的时变扰动控制系统性能评估[J];自动化学报;2014年09期
8 Changyong FENG;Hongyue WANG;Naiji LU;Tian CHEN;Hua HE;Ying LU;Xin M.TU;;数据分析中的对数转换和意义(英文)[J];上海精神医学;2014年02期
9 彭开香;张凯;李钢;;基于贡献率法的非线性工业过程在线故障诊断(英文)[J];自动化学报;2014年03期
10 范雪莉;冯海泓;原猛;;基于互信息的主成分分析特征选择算法[J];控制与决策;2013年06期
中国博士学位论文全文数据库 前10条
1 朱金林;数据驱动的工业过程鲁棒监测[D];浙江大学;2016年
2 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
3 苗爱敏;数据局部时空结构特征提取与故障检测方法[D];浙江大学;2014年
4 王宇雷;数据驱动的故障诊断与容错控制系统设计方法研究[D];哈尔滨工业大学;2013年
5 祝志博;融合聚类分析的故障检测和分类研究[D];浙江大学;2012年
6 李彬;置信规则推理方法及其在库存与生产运作管理中的应用[D];华中科技大学;2012年
7 张沐光;基于局部—全局结构分析的统计过程监测方法研究[D];浙江大学;2011年
8 邵纪东;非线性过程监测中的数据降维及相关问题研究[D];浙江大学;2010年
9 葛志强;复杂工况过程统计监测方法研究[D];浙江大学;2009年
10 赵春晖;多时段间歇过程统计建模、在线监测及质量预报[D];东北大学;2009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 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
3 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
4 张景欣;基于复杂可测变量的非线性过程智能监控方法研究[D];哈尔滨工业大学;2016年
5 张昕;基于经验似然的早期故障检测及应用研究[D];中国计量学院;2015年
6 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
7 张占奎;基于特征空间信息提取的故障检测方法研究[D];大连理工大学;2015年
8 马宝;基于KICA和LSSVM的滚动轴承故障监测及诊断方法[D];昆明理工大学;2015年
9 刘振;基于贝叶斯网络(Bayesian Networks)方法的高炉故障诊断研究[D];武汉科技大学;2015年
10 宣暨洋;基于主元分析和贡献图的微小故障诊断研究[D];浙江大学;2015年
【二级引证文献】
中国期刊全文数据库 前10条
1 刘宁;睢璐璐;闫飞;阎高伟;;基于最优定界椭球-极限学习机算法自适应软测量建模的应用[J];科学技术与工程;2018年25期
2 沈文超;伍铁军;;基于颜色模型和SVDD的烟叶异物识别[J];工业控制计算机;2018年02期
3 宋志芳;解佑志;芦春莲;李赛;曹洪战;;主成分分析在动物科学的应用研究进展[J];中国畜牧杂志;2017年11期
4 张奕;王科琪;;基于MVU降维的捕捉数据自动分割[J];电子技术与软件工程;2017年19期
5 刘丽;尹进田;周沛峰;;基于KMMT-PLS的间歇过程在线监测技术研究[J];控制工程;2017年09期
6 高峰;申江江;曲建岭;袁涛;何勰;余路;;基于Hilbert边际谱和IPSO-SVDD的滚动轴承故障诊断[J];电子测量与仪器学报;2017年06期
7 侯爱霞;陶洋;许艳英;;一种高精度数控宽带直流放大器的设计与实现[J];控制工程;2017年03期
8 万晓凤;胡海林;余运俊;康利平;;基于独立量分析的NPC光伏逆变器故障诊断[J];电子测量与仪器学报;2016年12期
9 GuYuhai;He Linfeng;Deng Yali;;A fault identification method of rotating machinerybased on t-SNE[J];仪器仪表学报;2016年S1期
10 周胜明;曲建岭;高峰;王小飞;;基于HE-SVDD的航空发动机工作状态识别[J];仪器仪表学报;2016年02期
中国博士学位论文全文数据库 前6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 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
3 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
4 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
5 沈非凡;基于轨迹分析的工业过程建模与故障检测[D];浙江大学;2016年
6 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
中国硕士学位论文全文数据库 前4条
1 郑英鑫;多模态过程在线故障诊断方法比较研究[D];沈阳理工大学;2018年
2 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
3 张晓燕;基于三维荧光光谱的饮用水有机物定性判别方法研究[D];浙江大学;2018年
4 侯昌瑞;基于ICA-SVDD的过程故障检测方法研究[D];华东交通大学;2017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 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
5 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
6 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
7 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
8 周益林;黄幼玲;段霞瑜;;植物病原菌监测方法和技术[J];植物保护;2007年03期
9 田隽;刘兰玉;龚立;;中国水污染源监测方法标准技术体系研究[J];环境科学与管理;2014年11期
10 李丽娜,王行广,和书坤;大气优化布点监测方法简化试验[J];干旱环境监测;1993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 于岱峰;苗晓辉;王召泽;;超高层建筑变形监测方法研究[A];第十三届华东六省一市测绘学会学术交流会论文集[C];2011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 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
6 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
7 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
8 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
9 李成;基于提升小波的数据处理及过程监测研究[D];浙江大学;2005年
10 张黎;过程监测与调整的理论和方法研究[D];西北工业大学;2006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