论文部分内容阅读
化工生产过程中对过程变量的实时监测是保障产品质量和生产安全必不可少的措施,统计过程控制(Statistical Process Control,SPC)方法是一种采用数理统计技术形成监测统计量的方式实时评估和监控过程工况的工具,它受到了学术界的广泛关注和研究,并且应用在工业生产中可保障生产的稳定运行并辅助现场工艺的操作决策。评估过程故障监测性能的主要要素有监测图在正常工况下的误报警率和在异常工况下的报警时间。过程数据往往受到噪声与粗差的干扰,过程数据信噪比过低易导致过程控制图的误报警率上升和异常工况识别灵敏性下降。实际生产中过程变量的采样频率过高,高采样频率易引起数据较高的时序相关性,从而导致控制图的高误报警率和报警延迟。针对过程数据含噪和时序相关特征影响过程监控效果的问题,本文开展了以下研究工作:(1)针对过程数据含多种类型噪声引起故障监测图误报警率上升的问题,首先测试现有基础滤波方法对各种噪声特征的过程数据的降噪性能;考虑到在线降噪要求滤波器具有较低的参数灵敏度,在经验模态分解(EMD)的基础上建立一种过程数据在线降噪的方法OLREMD;为保证方法同时消除数据中的噪声和粗差,结合小波阈值滤波和中值滤波优化方法。经过对多种模拟信号的测试,提出方法具有低参数灵敏性,在同一参数波动范围内,与其它在线降噪方法相比,其降噪均方误差平均波动范围最高降低了约99%;测试六种含噪特征的模拟信号,OLREMD均能得到较低的降噪误差并对具有复合特征的含噪信号保持稳定的降噪效果;作为数据预处理步骤,OLREMD可降低过程故障监测模型的误报警率约6%,并提高了工况辨识度。(2)针对传统统计过程控制图直接应用于非平稳周期性特征的间歇过程变量而引起异常工况报警延迟的问题,首先基于现场聚丙烯PP间歇过程工艺,在ASPEN PLUS平台上建立PP间歇仿真过程;基于间歇过程仿真数据分析变量的趋势特征,确定监控统计量;将定义统计量融入传统CUSUM控制图建立趋势特征残差图,即趋势CUSUM控制图,具有与传统CUSUM控制图相似的故障监测规则。方法应用于聚丙烯PP间歇生产的仿真过程和现场过程中测试其监控效果,通过案例对比,趋势CUSUM控制图可有效地对间歇过程变量在整个批次过程中进行监测,定量变量的趋势偏差,平均早于传统SPC控制图约94个采样点发现异常工况,为操作者提供可靠的操作决策支持。(3)针对数据时序相关引起过程控制图误报警率上升的问题,首先以单变量和多变量Shewhart控制图为例,分析了数据时序相关对其监控能力的影响;基于跳跃采样的方法改进Shewhart控制图的监控方式,以不基于模型的方式消除数据自相关引起的误报警率上升的问题。经过对单变量和多变量时间序列数据的案例分析,改进后的控制图是一种可适用于不同时序相关水平数据的通用工具,可作为基于模型的修正Shewhart控制图的替代控制图,将误报警率维持在期望水平上,在双变量过程中与传统Shewhart控制图相比误报警率平均降低70%,且早于传统Shewhart控制图约20次采样识别异常工况。(4)在数据自相关情况下的Shewhart控制图,较对于数据时序独立下的Shewhart控制图,较晚识别过程异常,即其平均运行长度较大。为使设计控制图获得在指定运行长度下的期望监控能力,需适当调整其控制限,从平均运行长度的定义计算公式出发,优化并简化公式,提出一种适用于时间序列数据的运行长度与控制限的通用关系式,基于一阶自回归AR(1)过程数据验证并进一步简化关系式。Shewhart控制图,经控制限调整后,其实测的平均运行长度可达到期望值的98.5%;提出关系式应用于实际化工过程的变量监控中其实用性得到验证。