论文总字数：27721字

摘 要

现代流程工业的完整生产体系之中，对工业过程的故障检测绝对是不可或缺的重要一环，它直接与生产安全和产品质量挂钩，影响着企业的管控水平与市场竞争力。美国伊斯曼化学品公司在参考了大量流程工业过程之后研发了一种开放式的高拟真性化工模型平台——田纳西伊斯曼(TE)仿真平台，它产出的数据为非线性且拥有时变性和高耦合度，经常被用来对复杂工业过程的控制和故障诊断模型进行测试。本文就将依托于TE过程中产生的实际数据以及故障类型，基于两种应用宽泛的数据驱动方法：主元分析法（PCA）和核主元分析法（KPCA）做一些关于故障检测方法的研究，并在设计检测程序时做出一些改进，提升检测的准确率。

关键词： TE过程 故障检测 主元分析法 核主元分析法

Research on fault detection method of TE chemical process based on data drive

Abstract

In the complete production system of modern process industry, fault detection of industrial process is absolutely indispensable and important. It directly relates to production safety and product quality, and affects the management and control level and market competitiveness of enterprises. Eastman chemical company in the United States developed a highly realistic chemical model of an open platform after consulting a large number of process industrial processes, the Tennessee Eastman (TE) simulation platform, its output data with nonlinear and time-varying and high coupling, is often used for complex industrial process control and fault diagnosis model for testing. In this paper, based on the actual data generated in TE process and fault types, based on two widely used data-driven methods: principal component analysis (PCA) and nuclear principal component analysis (KPCA), some researches on fault detection methods are conducted, and some improvements are made in the design of the detection program to improve the accuracy of detection.

Key words:Tennessee Eastman process;Fault detection;PCA;KPCA

目录

摘要Ⅰ

AbstractⅡ

第一章 绪论1

1.1 课题研究背景与意义1

1.2 故障检测概述1

1.3 故障检测方法2

1.4 基于数据驱动方法的故障检测技术研究现状3

1.5 论文的主要研究内容4

第二章 基于PCA的故障检测方法研究6

2.1 PCA基本算法6

2.2 PCA故障建模步骤9

2.3 PCA算法故障检测步骤10

第三章 基于KPCA的故障检测方法研究12

3.1 KPCA算法简介12

3.2 KPCA基本原理13

3.3 KPCA算法故障检测步骤14

第四章 田纳西伊斯曼过程简介15

4.1 TE过程概述及反应流程图15

4.2 TE过程变量16

4.3 TE过程故障19

第五章 基于数据驱动方法的TE过程故障检测仿真21

5.1 基于PCA算法的故障检测仿真21

5.2 基于KPCA算法的故障检测仿真26

第六章 总结与展望31

参考文献33

致谢35

第一章 绪论

1.1 课题研究背景与意义

在现代工业技术和计算机科学并驾齐驱的高速进展下，工业系统的自动化水平愈来愈高，生产规模逐渐向更大、更集中的方向靠拢，在不断降低生产成本的条件下生产效率也在飞速提升，这无疑是十分可喜的成果。但是与此同时，系统内部的复杂程度也在不断升级，导致了其更易发生故障，随之而来的危害性也更大。

工业系统万一出现了故障，恶性效应很可能接踵而至，如果未能及时诊断故障并迅速修复，高额的经济损失首当其冲，还会威胁到在场人员的人身安全，甚至会对周边环境产生难以逆转的污染^[1]。在日常生活和新闻报道中，这样的事故时常上演。例如，2005年3月，BP集团最大的炼油厂发生了爆炸，起因是操作人员失误导致分馏塔故障，伤亡将近200人，7亿美元的经济损失也给这家巨型企业当头一棒。同年11月的松花江水污染事件，起因是硝基苯精馏塔装置堵塞未及时处理而产生爆炸，近70人的伤亡和7000万元的损失之外还有不可估量的生态污染。2013年11月，中石化的东黄输油管道因故破裂且在修复时操作不当，烈性爆炸使63人遇难百余人重伤，经济损失约7.5亿美元。以上触目惊心的案例至今还令人心有余悸，也时刻提醒着我们必须要采取有效的工业过程故障诊断方法来避免悲剧再次发生。

然而，在当前的工业生产中多采用现场总线技术，将数据存储于智能仪器中由操作员监测，在人为操作的情况下就很难保证对故障和异常状况的及时调控，也难以将已有的大量工业数据关联和利用起来。如果以上问题得以解决，工业过程的监控性能将会上升一个台阶。因此，对工业过程的有效监测、确保生产过程安全可靠的进行已经成为国内外专家学者重点研讨的话题。这项研究既富有挑战性又有极高的应用价值，时至今日，学者们也获得了许多可观的成果，其中倍受重视的就是基于田纳西-伊斯曼(TE)过程的故障检测方法研究。^[2][3]

1.2 故障检测概述

故障能够用一个简单的含义来解释，那就是系统中的单个或多个变量脱离了正常值的界限，而使系统出现异常情况的现象^[4][5]。故障检测技术则是收集被测系统的各种信息和过程数据等，在已知系统动力学模型和结构组成的情况下，实时解析和分辨系统的各种运行情况，当故障发生时能够迅速地检测出故障的发生点和引起故障的原因。过程工业当中通常发生的故障可以归类为以下四种:1、外部扰动的参数发生变化引起的故障；2、执行器饱和引起的故障；3、由于测量值和真实值有出入而影响测量精确度的传感器故障；4、实际过程各种参数变更而造成的故障^[6]。本文在不讨论后续诊断修复的情况下，将故障检测系统划分为四个步骤，分别是采集数据、对数据进行预处理、建立故障模型和故障检测^[7]。数据采集是指通过传感器等装置将系统实际运行时的数据测量并存储;数据预处理阶段则包括了去除掉掩盖正常信号的噪声和对数据标准化处理。去噪是在考虑外界因素干扰的情况下提高系统检测结果的准确性与可靠性，标准化处理则是为了防止个别过程变量在监控中占据主导地位，影响对故障的判断。故障检测就是从获得的一系列数据中，遴选出能表征系统状态的那一部分，以直观的图表等方式来鉴定系统发生故障与否。

1.3 故障检测方法

请支付后下载全文，论文总字数：27721字