论文部分内容阅读
随着现代工业向着复杂化、智能化、数字化的发展,对产品质量和生产安全可靠运行的要求不断攀升,保证过程的生产安全和提高产品质量是现代工业面临的挑战。由于分布式控制系统的广泛运用和计算机技术的快速发展,使得采集和存储了大量反映过程运行状态和产品质量的数据,为此基于多元统计的过程监测方法得到迅速地发展。传统的多元统计方法假设过程不受噪声和离群点的影响、呈现静态、工况单一、变量间满足线性关系等。但是,随着工业过程的复杂化和大规模化,过程数据不满足上述假设。本文基于邻域保持嵌入算法,针对复杂过程的规模大、多操作单元、非线性、动态性、多分布等特点,以及故障特征增强与噪声抑制问题,分析其过程特点并结合信息提取策略,提出了相应的改进算法实现过程故障检测。主要研究内容如下:(1)由于邻域保持嵌入(Neighborhood Preserving Embedding,NPE)算法易受噪声和离群点的干扰,在保持局部特征时没有考虑邻域内元素的距离特性,因此提出了一种基于稀疏加权邻域保持嵌入(Sparse Weighted Neighborhood Preserving Embedding,SWNPE)的故障检测算法。在近邻内求取最优稀疏表示,去除噪声和离群点的同时避免全局最优带来的计算困难。由于近邻的求取过程中没有考虑邻域内元素距离值的影响,距离较近的邻域点比较远的邻域点对局部结构表征更重要,因此为了充分地提取近邻结构,在计算局部最优稀疏表示时按照邻域内元素间的距离大小赋予不同的权值,建立一个增强的目标函数来求取局部稀疏结构。通过数值仿真过程和Tennessee Eastman(TE)测试平台验证了所提算法在大规模复杂过程故障检测中的效果。(2)针对复杂过程的非线性和动态特征,提出了一种基于稀疏表示保持嵌入的极限学习机(Sparse Representation Preserving Embedding Extreme Learning Machine,SRPE-ELM)非线性动态过程故障检测算法。在继承非监督极限学习机快速提取过程数据非线性流形结构的基础上,引入稀疏表示保持嵌入来去除噪声,并构造具有数据自适应的邻接图以避免对邻域参数的选择,从而自适应地提取过程数据的动态结构。将所提算法用于数值仿真系统和TE过程验证了其在非线性动态过程中的故障检测效果。(3)为了充分提取非线性动态间歇过程的全局局部特征,提出了一种多向动态非线性全局邻域保持嵌入(Multiway Dynamic Nonlinear Global Neighborhood Preserving Embedding,MDNGNPE)算法。首先,使用时滞窗来去除过程变量在时间序列上的自相关性;然后,通过构造多项式投影来消除过程变量的非线性,避免不必要的冗余并减小计算复杂度;最后,通过全局邻域保持嵌入(Global Neighborhood Preserving Embedding,GNPE)算法在降维过程中保持原始数据的全局局部结构。与基于核投影处理非线性的方法不同,MDNGNPE在解决过程数据非线性特性的同时考虑了物理条件的限制,并在降维过程中保持了数据的全局与局部结构。在数值仿真过程和青霉素发酵过程中验证了其对非线性动态间歇过程故障检测的有效性。(4)针对间歇过程的多阶段和特征提取问题,提出了一种基于多向加权全局邻域保持嵌入(Multiway Weighted Global Neighborhood Preserving Embedding,MWGNPE)的多阶段间歇过程故障检测算法。首先,对于间歇过程的多阶段特性,通过高斯混合模型的聚类特性进行阶段的划分;然后,对已经划分的多个阶段,使用GNPE算法提取全局局部特征;最后,利用高斯混合模型的概率密度估计特性,对提取的全局局部特征进行概率密度估计,构造加权矩阵来增强有用信息并抑制噪声。该方法能够有效地捕获隐藏在过程数据中的故障信息。通过数值仿真过程和青霉素发酵过程验证了该算法在多阶段间歇过程故障检测中的效果。(5)针对间歇过程变量间存在的相互关联或者相互独立的特性,提出了一种基于加权全局邻域保持嵌入(Weighted Global Neighborhood Preserving Embedding,WGNPE)和贪婪支持向量数据描述(Greedy Support Vector Data Description,GSVDD)的间歇过程故障检测算法。首先,使用互信息将过程变量划分为相关变量与独立变量;其次,通过WGNPE算法来充分提取相关变量的全局局部结构并凸显故障信息;然后,对于独立变量,使用GSVDD算法来快速有效地提取独立变量的过程信息;最后,分别在相关变量空间和独立变量空间建立统计模型,实现过程故障检测。传统的过程故障检测算法通常对过程变量按照相关或者独立关系进行单一模型的统计分析,并且在特征提取时没有充分考虑表征故障的特征信息。因此该算法针对过程变量的相关和独立特性分别建立相对应的统计模型用于故障检测,保持WGNPE和GSVDD算法优点的同时去除了一些无关变量的干扰。在青霉素发酵过程中验证了所提算法的可行性和有效性。