论文部分内容阅读
在现代工业生产中,往往存在多个工作模式,在两个相邻的工作模式之间又存在模式切换时产生的过渡过程,传统监测方法大多侧重于监测每个模式的状态,忽略了过渡过程的存在从而导致将过渡过程误判为过程故障的误报。另一方面过渡过程具有动态特性,传统方法大多处理的是静态问题,没有考虑监测变量自身存在的自相关性,不能对过渡过程进行有效的监测。传统的基于重构(Reconstruction)的主元分析(PCA)算法需要多次假定故障方向,并将每次假定的故障方向代入重构式中,然后采用PCA方法进行故障检测。由于需要进行多次的故障方向假定,使得基于重构的主元分析(RPCA)算法具有较大的工作量,而且RPCA算法也是一种静态检测方法,不能够直接应用到过渡过程故障检测。针对上述问题,本文主要做了以下研究工作：(1)在现有相关技术和方法基础上,提出了一种基于重构的主元分析故障检测改进算法(IRPCA)用于解决过渡过程故障检测问题。利用公共基础矩阵蕴含模式信息量丰富等特点,将过渡过程起始模式和终止模式的公共基础矩阵作为重构算法的故障方向进行重构,重构之后采用PCA方法进行过渡过程监测。此外,将本方法与传统的多模式主元分析方法(MPCA)应用到连续退火过程监测,仿真结果表明该方法能降低误报并提高故障检测的准确性。可以有效地检测出过渡过程的故障,具有良好的检测效果。(2)针对过渡过程的动态特性,即监测变量当前时刻采样值与历史序列值存在紧密关系的特性,根据动态隐变量思想,提出动态IRPCA(DIRPCA)算法。对当前时刻的采样数据矩阵进行拓展,由拓展之后的采样矩阵来表征过渡过程的动态特性,然后采用提出的IRPCA方法进行监测。此外,将DIRPCA方法与IRPCA方法应用到连续退火及电熔镁炉过程监测仿真结果表明,该方法能进一步降低误报,故障检测性能有了进一步的提高。