《毕业论文基于统计特征的不等长间歇过程故障诊断研究》由会员分享，可在线阅读，更多相关《毕业论文基于统计特征的不等长间歇过程故障诊断研究（36页珍藏版）》请在金锄头文库上搜索。
1、 . 分类号：TP277 编号：BY 15 6122 13/14/2 12-1002化工大学本科毕业论文 题 目：基于统计特征的不等长间歇过程故障诊断研究 院 系：信息工程学院 班 级： 学生： 指导教师： 论文提交日期： 2014 年6 月 23 日 论文答辩日期： 2014 年 6 月 25 日 / 论文独创性声明本人重声明：此处所提交的学位论文是本人在导师指导下，在化工大学本科毕业环节独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签
2、名：日期：年月日关于学位论文使用授权的说明本论文的研究成果归化工大学所有，本论文的研究容不得以其它单位的名义发表。本学位论文作者和指导教师完全了解化工大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权化工大学可以将论文的全部或部分容编入有关数据库进行检索、交流，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。（的论文在解密后应遵循此规定）作者签名：导师签名：日期： 年 月 日毕业设计（论文）任务书毕业设计（论文）题目：基于统计特征的不等长间歇过程故障诊断研究毕业设计（论文）容：1、 提取不等长间歇过程的统计
3、特征2、 研究基于PCA的故障诊断方法3、 编制完成实现上述任务的程序毕业设计（论文）专题部分：不等长间歇过程故障诊断研究起止时间： 2014 年 3 月- 2014 年 7月指导教师： 签字 年 月 日教研主任： 签字 年 月 日学院院长： 签字 年 月 日目 录第一章 绪论11.1引言11.2 间歇生产过程性能监控研究现状21.2.1 间歇生产过程故障诊断研究进展21.2.2 多元统计方法应用于间歇过程故障诊断21.3 本文研究容4第二章MPCA在间歇反应过程故障诊断中的应用52.1 引言52.2 PCA基本原理62.2.1 主元分析简介62.2.2 主元分析的意义62.2.3 主元分析的
4、基本原理72.2.4 主元个数的提取72.2.5 主元模型82.3 基于MPCA的故障检测方法92.3.1 MPCA理论92.3.2 基于MPCA故障检测的统计量与其控制限102.3.3 基于MPCA的故障诊断方法112.4 本章小结12第三章 基于统计特征的不等长间歇过程故障诊断研究133.1 引言133.2 不等长问题143.2.1 不等长数据描述143.2.2 不等长轨迹同步化方法143.3 基于统计特征的不等长间歇过程故障诊断研究153.4 仿真实验183.5 本章小结22第四章 总结和展望234.1 总结234.2 工作展望23参考文献25致26摘要 随着工业生产的快速发展，由于工业
5、体系的庞大化和复杂化，如果生产过程中一旦出事故，不仅会影响生产的正常进行，还会造成一定的经济损失甚至人员伤亡，因此故障检测与故障诊断技术越来越成为监控系统中的不可缺少的一部分。与时准确地检测和诊断出过程的故障，不仅可以减少事故、增加过程运行的安全性，而且可以降低生产管理成本，提高产品的质量。基于统计分析的故障诊断是故障诊断技术的重要组成部分之一。本文以提高不等长间歇过程故障诊断的性能为目的，深入研究了基于统计特征的不等长间歇过程故障诊断算法，并对半导体工业实例A1堆腐蚀过程进行了具体地分析与仿真，取得了预期的效果。本文首先研究了基于多向主元分析(Multi -way principal com
6、ponent analysis，MPCA)方法在故障监测与诊断过程中的应用。其次，在分析了多向主元分析方法进行故障监视和诊断的局限和缺点的基础上，深入研究了基于统计特征的不等长间歇过程故障诊断算法。通过基于统计特征的不等长间歇过程故障诊断算法，可以先计算每个不等长批次的均值、偏度、峭度、方差和任意两个变量之间的欧氏距离，然后将这些统计特征组合成一个等长的特征向量,再利用主元分析(principal Component Analysis，PCA)进行过程监视。根据半导体工业实例的仿真结果，基于统计特征的不等长间歇过程故障诊断算法与传统的多向主元分析(MPCA)方法相比，不仅可以减少建模过程的计算
7、量，而且其故障诊断率提高了15%，还大大减少了故障检测时间，因此该算法具有很好的故障诊断性能。关键词: 故障诊断； 不等长间歇过程； 统计特征； 多向主元分析AbstractWith the rapid development of industrial production, due to the large chemical industry system and complicated, if the production process once an accident, not only will affect the normal production, but also caus
8、e great economic loss and casualties, so the fault detection and fault diagnosis technology has increasingly become an indispensable part in the monitoring system. Timely and accurate detection and diagnosis of process faults, not only can reduce accidents, increase the safety operation of the proce
9、ss, but also can reduce the cost of production management, improve the quality of the products. Fault diagnosis based on statistical analysis is an important part of the fault diagnosis technology.In order to improve the unequal performance of fault diagnosis of batch processes as objective, in-dept
10、h study of the fault diagnosis algorithm unequal batch process based on statistical features, and the semiconductor industry - A1 case is analyzed in detail and Simulation of reactor corrosion process, expected results were obtained.This paper first studied based on multiway principal component anal
11、ysis (Multi -way principal component analysis, MPCA) application on the fault monitoring and diagnosis process. Secondly, based on the analysis of the limitations and shortcomings of the principal component analysis method for fault monitoring and diagnosis of the fault diagnosis algorithm, in-depth
12、 study of the unequal batch process based on statistical features.In order to improve the fault diagnosis performance of the uneven-length batch processes, and decrease the complexity of the algorithm, an uneven-length batch processes fault diagnosis method based on statistic features was presented.
13、 Firstly, the means, variance, skewness, kurtosis and the Euclidean distance between two variables for each uneven-length batch were calculated. Secondly, these statistic features were combined into an even-length feature vector. Lastly, principal component analysis (PCA) was used to the feature vec
14、tors for monitoring the batch processes. The monitoring results of an industrial example show that compared with traditional multiway principal component analysis (MPCA), the uneven-length batch processes fault diagnosis method based on statistic features increases 15% of the fault diagnosis rate an
15、d reduces 0.002 second of the fault diagnosis time, so it has good fault detection performance.Key words:fault diagnosis; uneven-length batch processes; statistic features; multiway principal component analysis.第一章 绪论1.1引言随着世界现代经济的快速发展和流程工业规模的不断扩大，工业过程的复杂性也随之不断的提高，生产和加工方法主要有化学反应、分离、混合等，涉与石油、化工发电钢铁等行业。一旦发生事故，将会造成巨大的经济损失和人员伤亡。如“2013年6月3日省宝源丰禽业公司爆炸事故，已造成113
