3.基于主元分析的故障检测 12

3.1  SPE统计量 13

3.2  T²统计量 13

3.3  T²统计量的阀值 14

4.基于主元分析的过程故障检测 16

4.1  基于PCA的过程故障检测的具体算法 16

4.2  TE过程故障检测及仿真研究 18

五．总结与展望 26

5.1 总结 26

5.2 展望 26

参考文献 28

致  谢 30

图清单

图序号 图名称 页码

图4-1 过程故障检测算法的实现模型 17

图4-2 TE过程的工艺流程图 19

图4-3 确定控制限 24

图4-4 PCA对数据集test04检测 24

图4-5 PCA对数据集test19检测 25

表清单

表序列 表名称 页码

表4-1 TE过程故障列表 20

表4-2 控制变量 21

表4-3 过程测量 21

表4-4 成分测量 22

1. 概述

1.1课题研究背景及意义

     随着工业发展的进步，以技术为核心的生产业也随之飞速的发展，在工业生产的过程中，对生产过程的安全性和产品质量的要求已经越来越高了。为了满足市场的要求并获得良好的收入和经营口碑，各行各业的生产商都在努力引进新的生产技术，提高生产质量，从而降低产品不合格率。但是与此同时，影响工业系统运行的不确定因素越来越多，系统发生故障和失效的机率也随之增加。比如说一个部件里的一个小元件发生故障，就可能对这个系统带来致命的破坏，使系统不能正常运行甚至机毁人亡。例如，去年发生的天津港爆炸事件，带来了的不仅是财产损失更加严重的是无辜生命的丧失。前车之鉴后事之师，纵观国内外这类的事件,这些事故的发生大部分是因为整个系统中某个小部件发生了故障，因此及时的检测出系统中的故障是非常重要的，这样才能使这类的事故不再危害无辜的人们以及需要好长时间才能恢复的生态环境。论文网

    特别是一旦发生故障后果不堪设想的化学工业生产过程。因此在生产中需要加入过程故障检测这一环节，故障检测就是为了能及时找出过程中的干扰，故障的状态及其他的故障情况，找到产生故障的原因，从而确保生产过程能安全可靠稳定的运行，从而达到提高生产安全，生产效率和生产质量的最终目的。

    现如今，工业的系统结构由原来传统的简单控制系统演变到多变量系统，生产流水线的快速发展，生产过程中数据的庞大性，导致故障发生的概率不断增加。在现代工业过程中，如果将一个系统中多个相关联的不同变量转换成少量的几个独立变量，那就能较快较容易的从这少量的几个独立变量中找出故障发生的原因，就能及时的对故障进行处理，使得系统能尽快的投入正常使用中。主元分析（Principal component analysis,PCA）是一种将高维数据样本转换为低维数据，简化计算过程的，线性静态的一种分析方法。主元分析方法是多元分析方法中在生产环境中运用的比较多的一种方法[1]。