分享到:

工业过程监测:基于小波和统计学的方法

保障生产安全和减小产品质量波动一直是过程工业的两个主题。只有密切地监督生产过程的运行状态,不断地检测过程的变化和故障信息,才能有效防止灾难性事故的发生,同时减少产品质量的波动,提高产品的竞争力。而流程工业具有规模大、结构复杂,以及现场环境恶劣等特点,使得过程监测的理论研究与实践成为过程控制领域中最具挑战性的热点课题之一。虽然基于精确数学模型的过程监测方法在理论上比不依赖数学模型的方法更成熟,但是由于流程工业的上述特点,使得前者难以在实际工程中应用。因此,本文研究的是不依赖数学模型的监测方法,此类方法一般均为“数据驱动”或“基于知识”的。本文所采用的两个主要分析工具,即小波和统计学理论,都是从不依赖于数学模型的角度来实现对过程的监测。其中小波是从信号处理和函数逼近的角度来处理过程数据;而多元统计分析则用于建立过程监测模型,这是通过对过程数据的统计分析来实现的。这两种方法相互配合,在整个过程监测系统中承担着不同的任务。本文的主要内容  (本文共150页) 本文目录 | 阅读全文>>

华南理工大学
华南理工大学

过程系统状态空间统计模型和化工过程监测

过程监测是计算机集成过程系统的一个重要组成部分,为保证生产安全和品质稳定所必需;过程建模是过程监测的核心问题,建模的可行性和模型的有效性是一对矛盾。本文从过程描述的基本原理出发,采用系统集中参数策略对过程进行描述,提出了过程统计状态变量概念及其判定准则;通过建立过程统计状态空间理论结合系统盲辨识算法,实现了对过程系统的合理有效监测,使过程建模的矛盾得到了统一。通过典型的过程控制和监测案例(TE过程)对本文提出的概念和方法进行验证,表明模型的有效性和合理性得到改进,解决了纯数据驱动多元统计建模中模型重构性和可解释性差的问题。状态空间理论是现代控制理论的基础,状态空间建模具有较高的有效性。本文依据过程描述的因次关系和过程基本原理,提出将过程状态变量进行参数集中,过程可被此若干个集中的状态变量描述,在文中给出了相应的判定准则。结合过程特点和状态空间理论,建立了初步的过程状态空间理论框架。将状态空间模型和多元统计模型进行了对比,指出了两...  (本文共137页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

基于提升小波的数据处理及过程监测研究

现代工业具有规模大、结构复杂,以及现场环境恶劣等特点,如何提取感兴趣的工业数据信息以及对生产过程的监测成为具有挑战性的热点课题之一。小波分析是傅立叶分析之后一种新兴的信号处理技术,在时频分析上具有独特优势,提升小波则为小波的构造引入了更多的灵活性。本文结合小波分析工具对工业数据的滤波、压缩,以及过程监测几个问题进行了研究。1. 鲁棒滤波问题。数据去噪是数据预处理的重要组成,传统的数据滤波方法有维纳滤波和卡尔曼滤波,由于在线的工业数据去噪过程中强调滤波算法的在线完成以及工业数据本身具有的不确定性,以上两种方法在工程实际应用中很难胜任。小波去噪近年来被广泛研究和应用,但存在几个问题要解决:传统小波变换作为一种线性变换不具备抗差性,对恶劣环境下受粗差干扰以及加性噪声干扰的数据滤波效果很差;区间小波在解决边界效应的同时会带来额外的计算复杂性。为了解决上述问题,本文结合截尾中值滤波器和提升格式提出了一种鲁棒提升小波框架。这种新的方法通过在...  (本文共129页) 本文目录 | 阅读全文>>

西北工业大学
西北工业大学

过程监测与调整的理论和方法研究

统计过程控制(SPC)和工程过程控制(EPC)作为两种减少波动的过程控制方法,分别在零件工业和过程工业得到了成功的应用。其中SPC主要利用控制图来探测和消除特殊原因的波动,EPC基于反馈控制原理,通过调整过程可控变量,来补偿过程输出与过程目标值的误差。近年来,整合SPC与EPC对过程进行监测与调整,成为质量控制领域研究的重点内容之一。传统上,在零件工业,普遍使用SPC监测过程,而对如何应用过程调整来改进质量缺乏系统的研究。并且,当过程输出数据自相关时,会使传统的控制图变得毫无效果,而整合EPC与SPC为解决自相关过程监测问题提供了一种新的途径。本文针对小批量短期生产经常出现的由机器设置导致的过程初始误差问题,引入Grubbs调和规则进行调整,对普遍存在的过程自相关问题,利用整合MMSE调整和控制图监测过程。对解决这两种问题的过程调整方法的性能进行了分析和比较,系统研究了MMSE调整对过程均值偏移或漂移的影响和控制图的性能。本文研...  (本文共137页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

基于集成学习的工业过程监测

随着现代化工业的发展,对工业生产过程安全、产品质量、经济效益等多方面的要求不断提高,过程监测已经成为自动化领域的重要研究问题之一。随着工业生产过程不断地复杂化、规模化,大量的传感器被广泛地部署在生产设备上,使得海量的生产过程数据得以被采集。同时,随着云计算、大数据、人工智能等信息技术的不断发展,数据驱动方法逐步成为过程监测领域的研究热点。近年来,大量的数据驱动过程监测方法被提出,但是这些单一方法都基于一定的数据假设,存在局限性,难以在不同条件下都得到满意的监测性能。针对上述问题,本文基于集成学习方法,在研究基模型性能差异、基模型数量以及集成模型精度等基础上,提出了多种有效的过程监测方法和整体模型集成框架,具体内容包括:(1)大部分集成模型都没有考虑基模型性能差异对集成效果的影响,在融合决策结果过程中,通常给予不同模型相同的权重。针对上述问题,本文提出了一种基于层次分析法的模型评价方法,综合考虑多种评价指标对多个模型进行优先级评价...  (本文共126页) 本文目录 | 阅读全文>>

东北大学
东北大学

基于改进MKECA算法的加热炉加热过程监测

随着工业技术的发展,企业对产品的要求越来越高,现代工业系统的规模和复杂程度也日益增加。加热炉设备在热轧过程占据着十分重要的地位,加热炉的运行状态可以对产品质量以及能源消耗产生直接的影响,然而,加热炉由于其自身的复杂特性,无法直接使用简单的监测方法对加热炉的运行状态进行监测,因此,对加热炉的运行状态监测方法的研究就变得十分重要。基于多元统计的方法是目前较为常用的过程监测方法,其主要是通过对过程变量的数据集进行分析和解释来实现对运行过程的在线监测。本文针对加热炉的运行过程,阅读大量文献后,主要进行以下几方面的工作:(1)对于加热炉的运行过程,由于轧钢节奏的变化,所有批次钢坯在炉时间不可能完全一样,造成加热炉轧钢过程中所采集的变量数据长度不同,采样数据无法形成一个平衡的三维数据矩阵。针对这个问题,本文采用动态时间规整方法(DTW)进行处理。针对该方法易出现病态规整,本文采用加权与加窗优化的方法对其进行改进,并将该方法用于加热炉数据的预...  (本文共78页) 本文目录 | 阅读全文>>