收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

数据驱动的流程工业非线性过程监测与故障诊断

唐鹏  
【摘要】:现代流程工业日趋规模化、复杂化和集成化。工业过程长期安全、稳定、高效运行是企业实现经济效益的关键。流程工业中绝大部分被控过程具有非线性特性,传统的线性方法通常假设工业过程运行在某一稳定工作点附近,并且变量之间相关性关系在窄窗口内近似为线性的。面向流程工业非线性过程监测与故障诊断方法的研究是自动控制领域中一个十分重要的课题。近二十年来,非线性过程监测主要有基于核方法、局部模型和神经网络等解决途径,但面向系统规模庞大、测量变量与操作工序众多、变量关联关系复杂的流程工业过程,传统的方法较难获取完备的监测与诊断效果。本文主要研究内容包括以下几个方面:(1)针对流程工业非线性过程建模复杂、故障变量辨识难的问题,提出了基于变分自编码器的过程监测与故障隔离一体化解决方案。首先,利用变分自编码器构建非线性过程概率模型,将复杂分布的过程数据映射到潜变量空间,使其服从高斯分布;其次,基于变分自编码器模型设计了基于边缘联合概率密度的监测统计量,实现了非线性过程监测;然后,采用缺失值重构思想,基于重构贡献分析实现了非线性过程故障隔离,并针对多个故障相关变量影响导致的拖尾效应问题,采用分支定界技术实现故障相关变量集的快速搜索,提升非线性过程故障隔离性能。最后,使用TE过程和带钢热连轧过程数据对所提算法的监测与诊断性能进行了验证。(2)针对流程工业多操作工况导致的非线性问题,提出了基于高斯混合变分自编码器的多工况过程监测方法。首先,变分自编码器中引入高斯混合模型,构建一个高斯混合变分自编码器,将多工况的非线性过程数据映射到潜变量空间,使其每个工况的潜变量投影均近似服从高斯分布;然后,利用潜变量投影在每个高斯分量的偏离程度,以及模型提供的重构概率分布构建监测统计量,实现多工况过程的非线性过程监测。最后,通过TE过程和带钢热连轧过程数据验证了该算法的有效性。(3)针对流程工业非线性过程质量监测问题,提出了联合深度变分信息瓶颈和变分自编码器的质量监测方法。首先,通过构建深度变分信息瓶颈和变分自编码器的联合模型,实现质量相关和无关的潜变量分解,并采用理论分析证明了上述联合模型分解的有效性;然后,利用联合模型提供的潜变量分布和重构概率分布建立了监测统计量,从而实现质量相关故障的检测;最后,通过数值仿真案例和带钢热连轧案例验证了所提算法的有效性。(4)针对流程工业全流程非线性建模和过程监测问题,提出了基于条件变分自编码器的全流程过程监测方法。首先,以流程工业中常见的串联型过程为研究对象,构建分布式变分循环自编码器模型,以提取工序间和工序内的时空特征;其次,使用深度支持向量数据描述方法对局部特征信息进行融合,提取全局特征信息;然后,基于构建的分布式模型设计局部监测统计量,并用融合的特征构建全局监测统计量,从而实现全流程的全局-局部的过程监测方法;最后,利用带钢热连轧实际工程案例对所提算法进行了验证。(5)针对流程工业非线性过程监测、故障隔离、故障辨识一体化解决难的问题,提出了一个深度因果图建模方法及其一体化过程监测与故障诊断方案。首先,提出了一种深度因果图建模方法,构建描述变量间因果关系的有向图结构;然后,利用深度因果图模型提供的变量条件概率构建监测统计量和贡献度指标,实现故障的检测和隔离,并使用因果有向图结构辨识故障的根源和传播路径;最后,通过TE过程验证所提算法的可行性和有效性。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 胡纪阳,胡瑞安;Mandelbrot数集和非线性过程的可视性图象[J];计算机辅助设计与图形学学报;1991年04期
2 包应三;一种二阶环的非线性过程[J];集美航海学院学报;1994年02期
3 谭永红;;用神经网络辨识非线性过程[J];桂林电子工业学院学报;1993年01期
4 梅启庸,赵雪薇,李文洪,蒋小华,谢平,祁兰英,郑志坚,唐道源;1.053μm激光在腔靶中产生的非线性过程[J];强激光与粒子束;1994年01期
5 姬鹏飞;侯凡博;张修太;;基于改进KPCA方法的非线性过程故障诊断研究[J];安阳工学院学报;2018年04期
6 罗林;苏宏业;谢磊;班岚;;一种改进的最大方差展开投影在非线性过程监测中的应用[J];江南大学学报(自然科学版);2014年06期
7 谢彦红;孙呈敖;李元;;加权动态SVDD在非线性过程监测中的应用研究[J];系统仿真学报;2017年07期
8 董士伟;王颖;于洪喜;;大功率微波波束在电离层传播的非线性过程[J];空间电子技术;2013年03期
9 解笑湘,刘颂豪;窄带可调真空紫外激光——气相中的非线性过程[J];物理学进展;1987年04期
10 杨倬;疟疾发病率变化的非线性过程与曲线回归分析比较[J];现代预防医学;2005年01期
11 杨倬;传染病发病率变化趋势的非线性过程分析[J];实用预防医学;2003年05期
12 朱海荣;杨奕;姜平;;一类非线性过程的智能控制方法研究[J];电气传动;2008年02期
13 李麦村;大气中颮线形成的非线性过程与KDV方程[J];中国科学;1981年03期
14 纪亮;“流程工业典型设备的故障诊断与预测维护系统”通过验收[J];中国计量;2005年08期
15 苏建成,萧德云,王朝辉;流程工业CIMS故障诊断软件工具中故障诊断方法库开发研究[J];计算机工程与应用;2001年20期
16 武殿梁;王玮;胡勇;范秀敏;;基于分形几何的高度非线性过程虚拟仿真技术研究[J];系统仿真学报;2006年S1期
17 翁维勤;崔杰;;国外非线性控制系统综述之二 非线性过程的非线性控制[J];炼油化工自动化;1982年03期
18 张玺锟;DCS与流程工业CIMS关系浅说[J];机械与电子;2004年01期
19 邹平;;创境、网络、探究、交流——网络环境和物理“探究式”教学的整合[J];吉林教育;2008年10期
中国重要会议论文全文数据库 前17条
1 蒋小华;刘永刚;祁兰英;李朝光;刘慎业;张海鹰;李三伟;李文洪;;黑腔及平面靶非线性过程实验[A];中国工程物理研究院科技年报(1999)[C];1999年
2 王杭州;陈丙珍;何小荣;赵劲松;邱彤;;非线性过程系统稳态解及其稳定性分析工具[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年
3 刘勤;刘国宏;李永民;张宽收;;利用级联非线性过程产生自脉冲的研究[A];第十三届全国量子光学学术报告会论文摘要集[C];2008年
4 许志高;沈明玉;;流程工业CIMS架构及实时数据库技术探讨[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
5 华贲;尹清华;周章玉;;21世纪流程工业——挑战和对策[A];面向21世纪的科技进步与社会经济发展(下册)[C];1999年
6 万维汉;;流程工业过程的先进控制及其应用[A];首届全国有色金属自动化技术与应用学术年会论文集[C];2003年
7 苏宏业;;流程工业优化运行学术研究与国际标准制定进展[A];中国机械工程学会机械自动化分会&中国自动化学会制造技术专委会学术工作进展报告 2017[C];2017年
8 杨乐;;InPlant——流程工业综合自动化整体解决方案[A];浙江企业信息化与自动化论坛论文集[C];2005年
9 柴天佑;;实现综合生产指标优化的工业过程智能综合自动化系统[A];05'中国自动化产业高峰会议暨中国企业自动化和信息化建设论坛论文集[C];2005年
10 马正午;;我国城市供水行业“自动化与信息化建设”的基本解决方案[A];第六届全国计算机应用联合学术会议论文集[C];2002年
11 温燕明;郑文华;孙思伟;;从流程工业看焦化工艺的解构与集成优化[A];2010年全国能源环保生产技术会议文集[C];2010年
12 王建奇;王行愚;;非线性系统的非结构模型及其在自适应控制中的应用[A];1990年控制理论及其应用年会论文集(4)[C];1990年
13 李崇坚;;冶金流程工业机械装备智能化与在役再制造工程战略研究[A];冶金设备智能化在役再制造及维修大数据分析交流会论文集[C];2016年
14 陆新建;王建新;田双昌;;新一代流程工业生产实时数据集成方案[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年
15 ;2006“SUPCON在流程工业”有奖征文精彩登场[A];全国炼钢连铸过程自动化技术交流会论文集[C];2006年
16 王维洲;谢铖;李梦豪;唐光振;;基于物联网的流程工业云端智能决策系统[A];物联网与无线通信-2018年全国物联网技术与应用大会论文集[C];2018年
17 邓晓刚;田学民;;一种基于KPCA的非线性故障诊断方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
中国博士学位论文全文数据库 前14条
1 唐鹏;数据驱动的流程工业非线性过程监测与故障诊断[D];北京科技大学;2021年
2 张传放;面向流程工业的统计机器学习过程监测方法研究[D];北京科技大学;2021年
3 耿志强;流程工业粒度数据挖掘技术研究与应用[D];北京化工大学;2005年
4 刘传文;流程工业企业综合自动化系统若干关键技术与应用研究[D];浙江大学;2004年
5 牛国成;流程工业复杂生产系统可靠性评估方法研究[D];长春理工大学;2020年
6 汪子扬;数据驱动的复杂连续过程监测方法[D];浙江大学;2019年
7 庄进发;基于模式识别的流程工业生产在线故障诊断若干问题研究[D];厦门大学;2009年
8 李澄非;计算智能方法研究及其在流程工业中应用[D];北京化工大学;2007年
9 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
10 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
11 顾祥柏;流程工业信息基元集成方法及应用研究[D];北京化工大学;2005年
12 仲卫涛;过程系统的大规模优化问题研究[D];浙江大学;2001年
13 张溥明;流程工业数据协调模型与算法研究[D];浙江大学;2001年
14 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20条
1 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
2 郭玲玲;基于主元分析的非线性过程监测方法研究[D];浙江理工大学;2020年
3 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
4 刘帆;深度学习在非线性过程故障诊断中的应用[D];杭州电子科技大学;2020年
5 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
6 高金凤;基于数据驱动的非线性过程故障诊断方法研究[D];沈阳理工大学;2014年
7 蒋叶琪;基于分布式架构的流程工业仿真平台的设计与实现[D];北京工业大学;2019年
8 刘榕;流程工业生产数据的预处理方法[D];浙江大学;2019年
9 于松涛;流程工业生产管理信息系统关键技术研究[D];北京化工大学;2013年
10 高宁;流程工业CIMS中知识管理的应用研究[D];清华大学;2003年
11 贾泽方;基于MCUSUM-ICA-MSPCA的流程工业故障诊断和预测研究[D];天津理工大学;2011年
12 赵锋云;基于改进SVM的流程工业故障诊断方法研究及实现[D];东北大学;2011年
13 顾红军;中小型流程工业企业ERP系统的设计及其方法的改进[D];复旦大学;2008年
14 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
15 张恒禹;基于改进DBN的非线性过程建模与监测[D];北京化工大学;2020年
16 白小琴;流程工业在线仪表故障诊断方法及其应用[D];浙江大学;2007年
17 马君;基于数据驱动的流程工业过程故障检测算法研究[D];沈阳大学;2007年
18 吴琼;基于数据驱动的流程工业过程监控仿真器设计[D];沈阳大学;2007年
19 谢晓晨;大数据意义下的非线性工业过程预测问题研究[D];哈尔滨工业大学;2014年
20 金亮;基于二维动态核Hebbian算法的非线性过程故障检测方法研究[D];东北大学;2009年
中国重要报纸全文数据库 前13条
1 记者 吴长锋 通讯员 杨保国;我首次在非线性过程中观测到光学前驱波[N];科技日报;2015年
2 潘丽;流程工业:从“孤岛”到“综合”的转变[N];科学时报;2011年
3 本报记者 庄冠蓉;用大数据智能化改造流程工业[N];中国经济时报;2018年
4 记者 陶婷婷;流程工业要迈向智能优化制造时代[N];上海科技报;2017年
5 中国工业报记者 孟凡君;我国推进流程工业向绿色高效化发展[N];中国工业报;2017年
6 钱锋 在沪全国政协委员 九三学社上海市委副主委 华东理工大学副校长;以流程工业智能化助推“智造强国”[N];联合时报;2015年
7 王成果;中车唐山公司 以全流程工业设计平台提质提效[N];河北日报;2017年
8 本报记者 徐恒;市场倒逼流程工业“双IT”融合[N];中国电子报;2015年
9 本报记者 姜晓凌 陶婷婷;智能化时代,如何培养卓越工程科学家[N];上海科技报;2021年
10 黄盈盈;流程工业信息标准亟待制订[N];福建科技报;2008年
11 本报记者 闻达;在流动中创造价值[N];计算机世界;2001年
12 记者 黄辛 通讯员 张婷;“流程工业智能优化制造”国际研讨会指出流程工业需要依托信息物理系统[N];中国科学报;2017年
13 王繁泓;信息化是“买”不来的[N];中国化工报;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978