基于鲁棒ICA-PCA的TE故障诊断*

针对复杂工业过程混合分布的问题,提出了鲁棒ICA-PCA(Independent Component Analysis-Principal Component Analysis, ICA-PCA)的故障诊断的新方法。由于实际工业过程数据不可避免的带有大量干扰,为降低数据粗差的影响,首先采用小波去噪算法提高建模数据质量,然后利用鲁棒ICA-PCA算法提取过程的非高斯和高斯信息,并构建了三个统计量进行故障的监控。最后把上述方法应用到田纳西-伊斯曼(Tennessee Eastman,TE)化工过程。仿真结果表明,相比于传统PCA算法、ICA-PCA等算法,鲁棒ICA-PCA方法能够有效的检测故障的发生,该方法具有较好的鲁棒性和灵敏性。     

基于LabVIEW与Matlab的TE过程监控系统设计

针对TE模型可视化效果不佳的问题,基于LabVIEW、Matlab与My SQL开发了TE过程仿真系统。仿真系统采用LabVIEW设计搭建了复杂、友好的系统图形界面;Simulink作为后台引擎,运用Matlab平台设计TE过程的故障监控算法,My SQL作为后台数据库存储实验结果。实现了TE过程的实时趋势显示、故障报警、历史数据记录及故障报警等功能模块。通过该仿真完成TE基本工况、内置故障、添加扰动及多工况等模式的仿真测试和故障诊断。该仿真平台已进入实验室应用阶段,为研究化工过程控制等复杂系统的故障诊断提供了良好的应用平台。