基于MICA-FDA的水压试验机故障诊断方法研究

由于水压试验机机理建模的复杂性,很难从机理方面对其生产过程进行故障诊断,因此利用钢管水压试验系统过程变量多、打压速度快、短时间内能够产生大批数据信息的特点,采用基于数据的多向Fisher判别分析(MFDA)方法对其进行故障诊断.在建立MFDA模型之前,先采取多向独立成分分析(MICA)方法去除变量之间的相关性,并且提取少数驱动过程本身的关键变量,经过MICA变换后的数据用以建立MFDA模型可以提高故障诊断精度.综上,本文提出了一种基于MICA-FDA的方法用于水压试验机打压过程的故障诊断.采用水压试验机生产过程的几类故障数据对该方法进行验证,结果表明该方法具有很好的故障诊断性能.     

基于MPCA-AR的故障预测方法研究

由于水压试验机是一个复杂的高压系统,该类系统发生事故不仅会影响生产的可靠运行而且会造成人员和财产的巨大损失.因此,研究切实可行的水压试验机故障预测方法,对保证生产安全可靠运行具有重要意义.针对一些液压元件故障具有批次间渐变的特点,提出了基于多元统计技术与时间序列结合的缓变故障预测方法.该方法通过建立T2及Q统计量的自回归模型,预测下一批次统计量值,将所求值与控制限对比进而实现渐变故障的预测.采用水压试验机实际生产过程数据对该方法进行仿真研究,仿真结果验证了该方法的有效性.     

钢管静水压试验机在生产中出现的问题与改进

介绍了钢管静水压试验机目前的状况及部分结构功能;并阐述钢管静水压试验机的过去和现在的实际应用。钢管水压试验机系统稳压性能的好坏是衡量钢管水压试验机性能的重要指标。通过分析水压试验机稳压过程中遇到的各种故障及其原因,提出了排除故障的具体措施,将为钢管水压试验机的设计、改造与维修提供了实践依据;同时提出对焊接钢管静水压试验机液压系统和驱动方式进行了技术改进方法。通过该技术的改进,提高了钢管水压试验机的实际应用能力,满足了机组生产范围内的钢管水压试验的要求。     

基于子空间混合相似度的过程监测与故障诊断

针对现代工业过程多变量、过程数据通常同时包含高斯性和非高斯性分布的特点,提出了一种基于混合子空间的系统性能监控与故障诊断方法.首先使用小波去噪、PCA和ICA方法来进行过程检测,然后将基于PCA特征子空间距离相似度和基于ICA子空间余弦相似度的方法结合,建立故障诊断库,计算混合相似度,确定各类故障的诊断阈值.最后对在线的数据进行监控,判断过程是否正常.当有故障发生时,利用混合子空间相似度确定故障类型.该方法可以充分利用过程数据中的高斯和非高斯信息.通过对Tennessee Eastman(TE)过程的仿真研究,验证了该方法的可行性与有效性,与变量贡献图方法相比可以更加有效地监测出故障原因.     

钢管水压试验机系统的研究与分析

钢管水压试验机主要用于钢管的耐压试验,是确定所生产钢管是否达标及研究钢管耐压性能的重要设备。对钢管水压试验机系统进行了分类,介绍了钢管水压试验机系统设计的主要原则,列举了国内钢管水压试验机系统设计制造使用的情况,分析了提高系统工作效率的方法,提出了钢管水压试验机系统设计的发展趋势。     

基于SVDD的多时段间歇过程故障检测

支持向量数据描述(SVDD)不要求过程数据满足正态分布,已应用于间歇过程故障检测。现有的SVDD间歇过程故障检测方法采用聚类分析和模型识别划分间歇过程时段,多时段划分的准确性较低,制约了多时段间歇过程故障检测精度的提高。针对上述问题提出了一种基于SVDD的多时段间歇过程故障检测方法,利用SVDD的超球体半径值与支持向量个数的变化划分间歇过程的多时段,并建立了不同时段的SVDD故障检测模型,使用待检测样本点的球心距与对应时段的超球体半径之差检测过程故障,实现了多时段间歇过程的时段划分与过程故障检测。发酵过程仿真实验和实际生产实验结果表明,该方法能够准确地划分间歇过程的多时段,并且能够针对不同时段进行故障检测,具有较高的检测率。     

改进邻域保持嵌入—独立元分析的间歇过程故障检测算法

针对间歇过程数据的非线性和高斯与非高斯混合分布特性导致故障检测效果不佳的问题,提出了基于多向差分邻域保持嵌入—加权差分独立元分析(MDNPE-WDICA)的间歇过程故障检测算法.首先采用Jarque-Bera检验方法(J-B test)将原始数据空间划分为高斯和非高斯子空间;然后,在高斯子空间,将差分策略与NPE算法结合提出MDNPE算法,对高斯空间数据进行维数约简,在保持其局部结构不变的同时处理非线性,并克服传统非线性处理方法由于引入核函数带来的计算复杂的问题;在非高斯子空间,将加权差分策略与IC A算法结合提出WDICA算法,在充分提取数据非高斯信息的同时解决其非线性,并有效利用数据的局部信息;最后,通过贝叶斯推断构建一个新的监测统计量,实现整个间歇过程数据的故障检测.通过青霉素生产过程仿真结果验证了所提算法的可行性和有效性.     

SWE-IPCA方法在传感器故障诊断中的应用

针对目前油田传感器设备故障诊断广泛采用的主元得分向量平方和与平方预测误差方法,在进行在线故障诊断过程中,往往存在对实际生产过程中产生的弱故障诊断不灵敏,甚至无法有效进行故障识别的问题,同时考虑到油田生产过程的特点,提出一种基于平方加权预测误差的迭代主元分析进行故障检测的方法,在不同的残差空间中对故障进行分析,提高了系统对弱故障诊断的准确性.运用迭代算法更新主元分析算法模型,通过残差空间的平方加权预测误差变量重构确定故障,实现对油田生产传感器设备故障的动态在线诊断.最后利用油田生产的实际数据对该方法进行了在线故障诊断实验,实验结果表明,该方法对油田生产传感器设备可以有效地进行故障诊断.     

基于主元分析的生产过程质量控制与诊断

针对生产过程中监控变量的波动、故障及过程扰动对生产稳定性及可靠性影响情况下,常规统计过程控制图无法准确识别缺陷的问题,结合主元分析模型设计质量监控图以对生产过程中影响质量的因素进行控制与诊断。通过介绍主元分析模型,利用主元子空间和残差子空间反应的数据变化测度,结合统计控制图技术设计集成生产过程控制模型对生产过程质量进行监控,提出了基于主元分析模型的生产过程控制与诊断流程,对生产中的扰动进行诊断与识别。     

大口径钢管水压试验机试压节奏分析

针对某大口径钢管水压试验机试压过程中出现的试压节奏慢的问题,通过对影响试压节奏的主要因素的分析,提出了增加挡水分散板、设置预增压装置等措施。该方案可大大提高水压试验机的试压节奏,提高生产效益。