基于改進(jìn)NPE算法的間歇過程故障診斷研究.pdf

1、隨著工業(yè)過程朝著智能化、大規(guī)模和集成化方向發(fā)展，生產(chǎn)過程變的越來越復(fù)雜。復(fù)雜系統(tǒng)容易受到外部環(huán)境的干擾和自身設(shè)備的老化而發(fā)生各種故障，要實(shí)現(xiàn)工業(yè)過程自動(dòng)化來提高生產(chǎn)效率，就要求控制系統(tǒng)處于穩(wěn)定狀態(tài)，需要對生產(chǎn)過程進(jìn)行實(shí)時(shí)監(jiān)控。間歇生產(chǎn)方式由于自身的優(yōu)點(diǎn)在實(shí)際應(yīng)用中越來越廣，間歇過程的產(chǎn)品是批次輸出，一旦生產(chǎn)過程的某個(gè)時(shí)刻或某個(gè)變量發(fā)生故障，而得不到及時(shí)解決，都會使整個(gè)批次產(chǎn)品達(dá)不到要求，從而帶來巨大的經(jīng)濟(jì)損失，因此間歇過程的過程監(jiān)控和故

2、障診斷就更為重要。對于復(fù)雜的間歇過程，我們很難獲得準(zhǔn)確的過程模型，基于數(shù)據(jù)驅(qū)動(dòng)的多元統(tǒng)計(jì)方法，不需要得到過程的精確模型，只需過程的歷史和在線數(shù)據(jù)就能實(shí)現(xiàn)對過程的監(jiān)控和故障診斷，隨著傳感器技術(shù)的發(fā)展和廣泛應(yīng)用于工業(yè)過程，過程的歷史和時(shí)時(shí)數(shù)據(jù)的獲取變得相對容易，為基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷的廣泛應(yīng)用提供可能。
　　如何在海量的過程數(shù)據(jù)中充分提取對過程監(jiān)控有用的特征信息是過程監(jiān)控與故障診斷的關(guān)鍵，相比與主元分析（PCA）算法只關(guān)注過程的全局

3、特征信息，鄰域保持嵌入（NPE）算法從數(shù)據(jù)的局部特征信息出發(fā)來挖過出更多的間歇過程的細(xì)節(jié)特征信息。本文主要針對間歇生產(chǎn)過程在監(jiān)控和故障診斷過程中存在的問題，對鄰域保持嵌入算法（NPE）進(jìn)行了改進(jìn)，其主要的研究內(nèi)容如下：
　　1．針對間歇過程的強(qiáng)非線性，傳統(tǒng)方法只是對數(shù)據(jù)的協(xié)方差矩陣進(jìn)行分解，忽略數(shù)據(jù)高階統(tǒng)計(jì)量信息，導(dǎo)致無法充分提取非線性過程的有效信息造成診斷效果不佳的問題，結(jié)合核算法和高維統(tǒng)計(jì)量信息提出了一種基于統(tǒng)計(jì)量的多向核鄰域

4、保持嵌入（SPA-MKNPE）算法。該算法首先引入統(tǒng)計(jì)量模式分析（SPA）方法將樣本數(shù)據(jù)投影到統(tǒng)計(jì)量樣本空間中，可以更充分地提取非線性數(shù)據(jù)的高階統(tǒng)計(jì)量信息；然后在統(tǒng)計(jì)量空間中通過核函數(shù)將統(tǒng)計(jì)量樣本映射到高維核空間，用以解決數(shù)據(jù)的非線性；最后在高維核空間中應(yīng)用鄰域保持嵌入算法充分提取數(shù)據(jù)的局部結(jié)構(gòu)來對間歇過程進(jìn)行監(jiān)控，檢測到過程故障后用變量貢獻(xiàn)圖法來診斷出故障變量。通過青霉素發(fā)酵過程來驗(yàn)證 SPA-MKNPE算法對強(qiáng)非線性的間歇過程故障診

5、斷的有效性。
　　2.針對間歇生產(chǎn)過程數(shù)據(jù)很難滿足單一的高斯分布，通常既包含高斯成分又包含非高斯成分的混合多分布，傳統(tǒng)方法在特征提取時(shí)不能兼顧數(shù)據(jù)的全局和局部特征的問題，提出了 MGNPE-LICA的故障診斷算法。首先用 D檢驗(yàn)法將原始數(shù)據(jù)分成高斯空間和非高斯空間，對于高斯空間用 MGNPE算法在充分提取數(shù)據(jù)的局部結(jié)構(gòu)特征時(shí)兼顧數(shù)據(jù)的全局特征；對于非高斯空間用 MLICA算法在解決非高斯問題的同時(shí)更好地保持?jǐn)?shù)據(jù)的全局和局部信息。再

6、將兩個(gè)空間的監(jiān)控指標(biāo)合成一個(gè)聯(lián)合監(jiān)控指標(biāo)對過程進(jìn)行監(jiān)控。通過青霉素發(fā)酵過程驗(yàn)證了MGNPE-LICA算法的在解決間歇過程數(shù)據(jù)多分布的有效性。
　　3.針對間歇過程的三維數(shù)據(jù)在展開成二維的過程中必然會導(dǎo)致數(shù)據(jù)內(nèi)在結(jié)構(gòu)破壞和全局與局部特征信息在提取過程中無法兼顧的問題，提出了張量全局-局部鄰域保持嵌入算法（TGNPE），首先用張量分解的方法直接對三維數(shù)據(jù)進(jìn)行建模，而不對數(shù)據(jù)進(jìn)行展開，有效地保存了數(shù)據(jù)的內(nèi)部結(jié)構(gòu)，再用鄰域保持嵌入算法充分

7、提取數(shù)據(jù)局部結(jié)構(gòu)信息的同時(shí)兼顧數(shù)據(jù)的全局信息，實(shí)現(xiàn)對數(shù)據(jù)特征信息更加充分地提取，TGNPE算法檢測到故障后用貢獻(xiàn)圖法診斷出故障變量。通過青霉素發(fā)酵過程驗(yàn)證了 TGNPE算法更利于間歇過程數(shù)據(jù)信息的提取，診斷精度更高。
　　4.針對間歇過程在時(shí)序和空間上的動(dòng)態(tài)特性，提出了基于張量分解的動(dòng)態(tài)鄰域保持嵌入算法（TDNPE）。首先用張量分解的方法把間歇過程數(shù)據(jù)看成二階張量，在張量空間對數(shù)據(jù)建模避免數(shù)據(jù)展開的向量化過程，導(dǎo)致數(shù)據(jù)內(nèi)部結(jié)構(gòu)被破