基于可预测偏最小二乘算法的复杂工况过程的监控技术-控制工程专业论文.docxVIP

万方数据 万方数据 Master Dissertation Submitted to Shanghai Jiao Tong University Process Monitoring Method for Complex Industrial Processes Based on Forecastable Partial Least Squares Department: Automation Major: Control Engineering Candidate: Dan Wang Student ID: 1120329116 Advisor: Prof. Yupu Yang School of Electronics and Electric Engineering January, 2015 上海交通大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文 不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研 究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全 意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校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。本人授权上海交通大学可以将本学位论文的全部 或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复 制手段保存和汇编本学位论文。 必威体育官网网址□，在 年解密后适用本授权书。 本学位论文属于 不必威体育官网网址□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 上海交通大学硕士学位论文 上海交通大学硕士学位论文 基于可预测偏最小二乘算法的复杂工况过程的监控技术 摘 要 随着信息采集、传输、存储和处理技术的不断发展，工业过程中有 大量反映生产过程和设备运行的数据被采集和存储，如何有效地利用这 些离线和在线数据，提取出能够反映工业过程特征的信息，用于工业过 程的监控，以此保证设备安全运行，提高生产效率和产品质量，成为了 目前故障检测与诊断领域的重点研究内容。基于数据驱动的过程监控技 术应运而生，已成为未来过程监控技术的重要发展方向。 可预测元分析(ForeCA)作为新兴的数据降维技术，它能够找到一个 最优的转换方式将多变量时间序列分解为一个可预测空间和一个白噪声 空间。分解得到的可预测性因子能够反映过程的本质特征，这主要是由 于该算法是从时间序列的角度出发，将过程数据的序列相关性考虑在内， 且其将时域特性变换到频域，在频域利用信息熵来衡量不确定性，从而 保证较好的可预测性。 鉴于 ForeCA 算法的上述优点，本文将其引入过程监控领域，并将其 用于回归，与偏最小二乘(PLS)算法相结合，提出一种基于可预测偏最小 二乘（ForePLS）的故障检测模型，并利用其回归预测性能进行多故障诊 断，最后将其与时间序列分析方法相结合实现对缓变故障的预测。为探 索复杂工况下的故障检测、诊断与预测方法做出了有益的尝试。 下面具体介绍一下本文的主要工作： （1）将 ForeCA 算法用于回归并与 PLS 方法相结合，提出了可预测 偏最小二乘（ForePLS）方法。该算法能够提取出过程数据特征空间中与 质量变量相关的可预测性特征。 （2）将提出的 ForePLS 方法用于故障检测，构建基于 ForePLS 的故 第 I 页 障检测模型，并根据 ForePLS 算法的特点构造了 CUSUM 统计量和 SPE 统计量，用来进行故障的检测。 （3）提出了基于 DForePLS 回归预测的多故障诊断方法，为了解决 多类分类中的不平衡分类问题，将主动学习引入故障诊断领域，有目的 地挑选边界附近最有“信息量”的样本进行训练，避免了冗余样本对分类 器精度的影响，提高了分类器对故障样本的识别能力，同时也提高了分 类器的训练效率。 （4）将 ForePLS 模型与向量自回归模型结合，提出了一种针对缓变 故障的基于时间序列的故障预测方法。能够有效防止这类缓变故障对系 统带来的损失，同时可以避免频繁更换部件，提高了生产效率。 关键词：故障检测与诊断，可预测元分析，偏最小二乘，主动学习，向 量自回归，故障预测 第 II 页 PROCESS MONITORING METHOD FOR COMPLEX INDUSTRIAL BASED ON FORECASTABLE PARTIAL LEAST SQUARES ABSTRACT With the development of the techniques o