基于规范变量残差的化工过程微小故障检测与诊断

微小故障因其幅值低而易被噪声和过程扰动所掩盖,并且会随时间慢慢演变成过程中的严重故障.因此,微小故障的检测和诊断变得越来越重要.为了更有效地监测和诊断微小故障,提出了基于规范变量残差的化工过程微小故障检测和诊断方法.首先,对Hankel矩阵执行奇异值分解来获得主元和残差空间并根据过去和未来数据的差异,求得两个不同的规范...     

IMC-PID在开口闪点仪线性升温控制系统中的应用

开口闪点仪对温度控制精度要求较高．采用常规PID控制难以达到国标中规定的线性度。运用最小二乘法的一阶惯性加滞后模型直接辨识法．辨识出温度控制系统的传递函数模型：然后,结合内模控制原理．设计了仅需调整一个参数的IMC—PID控制器。在模型匹配和失配两种情况下,与Ziegler—Nichols法和Cohen-Coon法整定的PID控制器仿真对比．通过调整滤波器时间常数仍能获得较好的线性度。并将该算法应用到开口闪点仪温控系统中．仿真和实际应用均表明．IMC—PID具有较强的鲁棒性和较好的动态特性。     

基于自适应高效递推规范变量分析的多模过程软传感器建模

由于多模过程中各模式间的均值和协方差发生了改变,多变量单模高斯分布的基本假设不再成立.基于递推方法的多模过程软传感器建模存在两点问题:其一,递推建模方法不能及时的跟踪多模过程的改变;其二,递推建模方法的在线计算负荷非常高.为了解决上述问题,本文提出了一种基于自适应高效递推规范变量分析的多模过程软传感器建模方法.首先,采用指数权重滑动平均来更新过去观测矢量的协方差矩阵;然后,利用基于模型输出误差范数的可变遗忘因子来跟踪多模过程的动态变化;最后,通过引入一阶干扰理论(firstorder perturbation,FOP)来实现递推奇异值分解,与常规奇异值分解相比递推奇异值算法的计算负荷显著降低.将提出的方法用于田纳西伊斯曼(tennessee eastman,TE)化工过程进行仿真验证,其结果表明了该方法的可行性和精确性.     

工控组态软件RSView32在田庄煤矿输送带集控系统中的应用

以美国Rockwell Automation公司的RSView32工控组态软件在田庄煤矿皮带集控系统中的应用为例,简单介绍了软、硬件系统的配置,详细介绍了RSView32的功能及有关应用,并通过OPC技术将监控系统接入集团生产调度室。该系统上位机为研祥工控机,现场PLC采用Rockwell AB公司的SLC500。经过系统长期应用表明:系统运行稳定,满足生产现场工艺要求,取得了良好的经济效益。     

加权k最近邻重构分析的工业过程故障诊断

k--最近邻(k--nearest neighbor, k--NN)是一种有效的基于数据驱动的故障检测方法, 该方法在工业过程监视方面已经得到了广泛的应用. 但在过程中存在故障时, 精确地寻找故障根源和识别故障变量是故障诊断的重要目标, 也是保证工业过程安全生产的重要任务. 本文在k--NN故障检测技术的基础上, 提出了一种加权的k--NN重构方法, 对使控制指标减小最大(maximize reduce index, MRI)的过程变量依次进行重构, 进而确定发生故障的传感器. 根据理论分析并结合数值仿真对提出的方法进行了验证, 数值仿真先从精度方面验证了该方法能够有效地对故障传感器数值进行重构, 然后验证了该方法不仅适用于单一传感器 故障诊断, 对于同时发生或者因变量相关性而传播的传感器故障也具有很好的效果. 最后, 该方法被成功应用于TE(Tennessee Eastman)化工过程.     

氟喹诺酮类抗菌药的不良反应与临床合理用药分析

为了观察氟喹诺酮类抗菌药物在临床治疗中的不良反应并对其相关因素进行分析,探讨合理使用氟喹诺酮类抗菌药物的方法,为用药安全提供参考。从济源市梨林卫生院2020年第四季度至2021年第三季度应用氟喹诺酮类抗菌药物（氧氟沙星、加替沙星、环丙沙星、左氧氟沙星）的患者中,选取120例发生药物不良反应者,纳入研究并进行回顾性分析,内容包括上述4种氟喹诺酮类抗菌药物不良反应发生率、不同给药途径不良反应发生率、不良反应发生部位不良反应发生率、不同年龄段患者药物不良反应发生率。结果发现：4种氟喹诺酮类抗菌药物的不良反应发生率由低到高依次为氧氟沙星（5.83%）、加替沙星（18.34%）、环丙沙星（27.50%）、左氧氟沙星（48.33%）。显然,左氧氟沙星的药物不良反应最明显。给药途径包括静脉给药和口服给药,前者不良反应总发生率为88.34%(106/120)、后者不良反应总发生率为11.66%(14/120);不良反应发生部位不良反应发生率由低至高依次为心血管系统6例（5.00%）、泌尿系统7例（5.83%）、血液系统8例（6.67%）、神经系统15例（12.50%）、代谢系统23例（19.17%）、...     

基于KECA的非线性工业过程故障检测与诊断新方法

提出了一种基于核熵成分分析(kernel entropy component analysis,KECA)的非线性过程故障检测与诊断新方法。该方法首先利用KECA获取过程数据的得分向量及非线性特征子空间;然后鉴于KECA可以以角结构的方式揭示数据中潜在的集群结构,设计了基于角度的监测指标VoA。该指标通过各得分向量之间的角度方差来描述变换后数据间的结构差异,并根据角度方差的变化情况实现故障检测;接着,为了在检测到故障后有效地进行故障识别,构建了KECA相似度因子来度量特征子空间的相似程度以识别故障模式;最后,以非线性数值案例及Tennessee Eastman过程进行仿真测试研究,结果验证了所提方法的可行性及有效性。