基于核Fisher包絡(luò)分析的間歇過程故障診斷.pdf

1、為了滿足市場的需求，提高企業(yè)競爭力，間歇生產(chǎn)過程也日益趨向于高效、大型和集成化的方向，其安全性和可靠性也越來越受到重視。因此，研究間歇過程的故障檢測與診斷方法是十分重要和有意義的。相對于連續(xù)過程，間歇過程的復(fù)雜性使得建立精確故障診斷模型的難度加大。因此數(shù)據(jù)驅(qū)動的監(jiān)控方法僅依靠采集到的過程數(shù)據(jù)便能對過程運行狀態(tài)得到有效的分析結(jié)果，也是本文的研究重點。
　　間歇過程不可避免的會存在初始條件和外界環(huán)境的變化，再加上設(shè)備老化都會造成生產(chǎn)周

2、期的改變。然而目前針對間歇過程監(jiān)控的方法一般都要求生產(chǎn)周期相等。此外，還有目前存在的傳統(tǒng)監(jiān)控方法在進行在線監(jiān)控時需要完整的生產(chǎn)軌跡，因此要填充或估計未知值，這也導(dǎo)致診斷性能的降低。針對上述兩個問題，本文以Fisher判別分析(Fisher DiscriminantAnalysis，F(xiàn)DA)為基礎(chǔ)，提出了基于核Fisher包絡(luò)分析的間歇過程故障診斷方法，并給出了基于該模型的在線故障診斷流程。此方法利用了Fisher判別分析對類別劃分的特點

3、，分別針對正常工況數(shù)據(jù)和各故障類型數(shù)據(jù)建立包絡(luò)曲面模型。與多向Fisher判別分析相比，該方法按批次方向?qū)?shù)據(jù)展開，能夠解決生產(chǎn)周期不一致問題，在線故障診斷時也不需要完整的生產(chǎn)軌跡，并且加入核函數(shù)來處理復(fù)雜的非線性。通過在青霉素發(fā)酵仿真平臺與傳統(tǒng)的核Fisher判別分析和改進多向FDA的仿真對比，證明了該方法的有效性。
　　另外，本文針對主元分析(Principle Component Analysis，PCA)在建模時只利用了正