随着生产过程的日益复杂,为确保生产装置安全、高效地运行,以工业过程状态监测为基础的故障诊断技术日益受到国内外企业的重视。同时由于可视化能够提供直观而形象的信息,已经成为许多领域中辅助数据分析的一个不可缺少的工具。本文研究通过自组织映射网络的可视化故障诊断方法,以及故障成因的判断方法,并将二者有机地结合起来,实现故障的实时在线诊断。 论文主要工作如下: 1.对故障诊断方法进行了回顾,分析了过程工业故障诊断的特点,并简单介绍了可视化技术在故障诊断中的应用。 2.对人工神经网络的连接形式和学习方法进行了简单的介绍,分析了自组织映射的特点及实现方法,总结了其现有的应用; 3.针对过程工业故障诊断的特点,提出了一种基于自组织映射的故障诊断方法。利用主元分析和小波分析方法对实际过程数据进行预处理;结合自组织映射网络的变量U矩阵图和主元分析中的因子负荷量分析,提出了一种判断故障变量的新方法,可对引起故障的原因进行及时地判断。 4.研究上述故障诊断方法在Tennessee Eastman过程模拟数据中的应用,并对结果进行了详细地分析。结果表明,利用本文所提出的方法对过程工业进行可视化状态监控、故障实时在线诊断和及时地判断故障来源是十分有效的。