改进MSPCA的研究与应用

针对PCA方法单尺度建模的局限性,将小波分析和主元分析综合起来,引入了主元子空间之间的差别的概念,提出了新的检测工具改进MSPCA.与MSPCA方法相比,改进MSPCA方法降低了随机误差对测量数据的影响,提高了过程性能监视和故障诊断的准确性.仿真实例验证了该方法的有效性.     

一种新的动态非高斯过程监控方法

现代工业过程数据往往具有较强的动态和非高斯特性,在原有方法的基础上,提出了一种改进的动态主元分析(MDPCA)方法来处理过程数据的动态特性,同时引入支持向量数据描述(SVDD)方法对过程进行建模.由于SVDD 方法对数据的分布没有任何限制,因此,它可以很好地描述过程的非高斯信息.新方法首先采用相关分析方法确定动态步长并建立过程数据的动态矩阵,利用PCA方法进行信息特征提取,并把过程信息分为主元子空间和残差子空间,然后分别在这两个子空间上建立SVDD统计监控模型,通过构造两个新的统计量对过程进行监控.所提出的方法应用于Tennessee Eastman (TE) 过程的仿真和一个实际水泥制造过程的实验,结果均表明了该方法的有效性.     

主元分析方法的故障可检测性研究

主元分析（PCA）是一种有效的多元统计过程监测方法，PCA监测方法不依赖于过程的精确数学模型，这使得其难以对故障的可检测性问题进行系统的研究，基于故障子空间的描述方式，本文在主要元子空间的残差子空间中分别讨论了PCA故障可检测性的充分和必要条件，并提出了临界故障值的概念，通过对双效蒸发过程的仿真故障检测，表明所获得的结果能较好地刻画PCA的故障检测行为。     

基于ICA-MPCA的间歇过程监测方法

针对基于多向主元分析(multi-way principal component analysis, MPCA)的间歇过程监测方法需要事先假定变量呈高斯分布的缺陷,提出了一种新的ICA(independent component analysis, ICA)-MPCA多变量间歇过程统计监测方法.该方法先用ICA法从过程信息中抽取非正态分布的特征信号,并确定联合分布的统计置信限;然后对提取非正态特征信号后残余的服从多元正态分布的过程信息进行MPCA分析,从而避免了基于MPCA间歇过程监测方法需假设过程特征信号全部服从正态分布的前提.将该法应用于β-甘露聚糖酶间歇发酵过程监测,结果表明该法不仅能有效地监测出故障,尤其是对过程变量不满足正态分布的情况下,能够准确地对过程进行监测.     

基于分段线性MPCA的充液氨过程建模及监控

为深入分析晶变改性装备中反应釜充液氨工艺过程特性,同时也为了进行更精确、有效的过程监控,提出了一种分段线性多向主元分析(MPCA)方法,实现该间歇过程的建模及故障诊断。首先将三维建模数据降维展开并进行主元分析(PCA),得到采样点数据特征矩阵;然后基于间歇过程的多操作时段特性,根据特征矩阵相似度最大隶属原则,通过设定窗口长度可调的滑动聚类器,在系统运行轨迹上分别从数据变异的方向和幅值对采样点进行2次聚类划分,将间歇过程操作周期分割为一系列运行特性相同的子时段,最后利用各个子时段的线性MPCA模型逼近系统非线性运行过程,实现间歇生产过程建模及在线监测。通过反应釜充液氨工艺过程的实际应用,结果表明提出的建模方法能够对该间歇生产进行合理的、易于从过程特性角度解释的时段划分,所建模型具有可靠的监控性能,能及时准确检测出系统运行过程中的异常情况。     

改进MKPCA方法及其在发酵过程监控中的应用

针对间歇发酵过程缓慢时变和非线性等特点,提出一种基于滑动窗技术的多向核主元分析(MWMKPCA)方法.该方法结合了核主元分析(KPCA)和滑动窗口技术的优点,其中KPCA能有效解决过程数据的非线性问题,保证数据信息抽取的完整性;而滑动窗口技术能有效避免MKPCA在线应用时预报未来测量值所引入的误差,提高监控性能.对于已判断正常的新批次过程数据,将其加入模型参考数据库进行更新,从而提高间歇过程性能检测的准确性.将该方法应用到工业青霉素发酵过程的监控中,并与MPCA、MKPCA方法的监测性能进行了比较.结果表明:该方法能有效提取过程变量间的非线性关系,降低运行过程的误报率,对缓慢时变的间歇过程具有更可靠的检测性能.     

主动再生式DPF数据采集和远程传输装置的设计与应用

对车载柴油机颗粒捕集器运行过程中运行参数远程监测需求进行分析,设计了一种采用SPC563M64为核心控制器的主动再生式颗粒捕集器数据采集远程传输装置。通过对远程数据传输装置硬件、软件结构和功能进行设计,数据远程传输采用GPRS网络接入,数据传输运行稳定;将颗粒捕集器数据采集远程传输装置安装于实车上进行功能验证。结果表明:该装置可以完成颗粒捕集器运行数据的采集与远程传输;经过该装置上传的数据不仅可以监测颗粒捕集器的运行状态,并能为进一步进行颗粒捕集器运行特征等的分析提供数据样本。     

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.     

数据驱动的拖挂房车底盘结构安全监测

为了解决拖挂房车驾驶过程中预判失误引起的底盘结构失效问题,提出一种面向数字孪生和神经网络的底盘结构安全监测方法。首先应用数字孪生技术构建拖挂房车的五维数字孪生模型,以整车质量、重心位置和加速度为变量,以底盘的应力分布和失效状态为预测目标,针对紧急制动、紧急转向和紧急制动转向工况建立结构仿真数据集。通过BP神经网络回归训练与置信度校验,对底盘结构性能进行实时监测和行驶安全状态评估。数值实验表明,该监测方法具有实时性以及较高的准确率与召回率,能够为拖挂房车的安全使用与优化设计提供支持。     

基于虚拟仪器的CH-85 FMS集成化监测系统技术研究

根据对FMS集成化监测系统的功能分析，结合FMS的结构特点，将FMS集成化监测的硬件采用分层次、模块化和递阶控制的结构形式。针对柔性制造系统技术国家重点实验室的主实验系统(CH-85FMS)的运行故障数据，对其主要系统单元进行了故障分析，确定了CH-85FMs薄弱环节及主要故障模式，设计了监测系统的系统功能图，并开发了基于虚拟仪器的CH-85FMS集成化监测系统。