基于双层自适应集成残差主成分分析的复杂非线性过程监测

多元统计监测方法常使用正常数据选取特征,而现实过程中,不同的故障将影响不同的特征,并且这些特征可能随着时间和控制系统的作用而变化。当故障发生并随时间变化时,要想获得更好的故障检测能力,就需要聚集有效的故障敏感特征。本文提出了一种双层自适应集成残差主成分分析(AERPCA)模型,其子模型包含不同的特征,并突出地呈现一个或多个相关故障。首先,根据正常数据计算主成分分析(PCA)特征,利用不同特征构建线性子模型和相应的残差空间。考虑到残差空间的非线性特性及有效特征更为分散,采用核PCA(KPCA)提取不同的特征并组成同一残差空间下不同KPCA子模型。然后,利用贝叶斯方法获取集成KPCA子模型,完成各残差空间的划分和集成。最后,在主空间中获得多个线性子模型以及在残差空间中获得多个集成的非线性子模型后,利用滑动窗口确定当前时刻监控效果最好的模型。采用田纳西-伊士曼过程验证了AERPCA的有效性。

课程思政融入研究生课程的教学改革与探索——以复杂过程监测与故障诊断课程为例

过程状态监测与故障诊断在现代制造业和生产系统中扮演着至关重要的角色。该文以研究生课程复杂过程监测与故障诊断为例,聚焦课程思政元素挖掘不充分、教学形式缺乏创新、实施效果难以评价等难点问题,探索课程思政教学改革模式,提出明确思政育人目标、深挖课程思政元素、创新思政教学形式、开拓产学研赛育人模式和完善思政教学评价体系等改革策略,全面推动课程思政建设,提升学生的综合能力和思政素养,促进学生的全方面发展。

基于SVR-PCA的DMTO过程监测研究

由于DMTO反应器的反应温度和建模变量呈非线性特征,常规的线性模型无法准确捕捉其特征,为此建立了基于SVR-PCA的过程监测模型,能够避免非线性特征对模型的影响。结果表明:SVR-PCA过程监测模型能够比PCA过程监测模型提前63 min、比DCS系统预警提前163 min对DMTO反应温度长时间大幅波动进行报警,能够减少反应温度短时间小幅波动和反应温度长时间小幅波动的误报率。

深基坑支护设计及施工过程监测分析——以福建省儿童医院(区域儿童医学中心)为例

以福建省儿童医院(区域儿童医学中心)项目为例,针对该深基坑的特点,介绍了基坑支护设计和排水措施设计,施工过程对深层土体水平位移、基坑坡顶水平位移及沉降、支护桩内力、地下水位、周边建筑及地表进行监测。监测数据表明:基坑的开挖对土体位移、地下水位和周边环境影响非常小,各监测项目的观测数据在监测周期内均在设计预警值内,从而保障了施工作业的安全。本案例可供其他类似项目参考。

贺巴高速公路某路堑高边坡坍塌失稳治理及全过程监测分析

文章旨在通过全过程监测技术从裂缝监测、深部位移监测等方面入手,对边坡的变化情况进行实时跟踪和分析,提出针对性的治理措施,为边坡施工设计优化提供科学的数据支持。分析结果表明:第一次优化设计后,部分裂缝张开得到抑制,但局部仍有较大裂缝和次生裂缝,边坡稳定性有进一步恶化的风险,需要采取更有效的措施;边坡变形主要以牵引滑动变形为主,主要区域位于2-2’和7-7’监测剖面所在坡体,局部发生浅层滑塌,需要加强该区域的监测和防护。研究证明全过程监测数据的反馈有利于实际工程的优化设计。

超高层建筑改造技术与施工过程监测技术分析

城市化进程的不断加快,使得城市原有建筑结构已经难以满足社会发展需求。超高层建筑改造成为当前重要工作内容。通过对超高层建筑的加固、改造,促使建筑性能进一步提升,为城市化发展奠定有利基础。本文主要以某超高层改造项目为例,分析该建筑在建筑加固施工技术,同时,分析应力应变、建筑变形、振动幅度等施工过程监测技术,以保障建筑改造工作质量,为相关行业提供参考价值。

基于数据驱动的复杂工况过程监测方法研究进展

随着过程工业系统结构日益复杂,系统安全及产品质量的在线监控显得尤为重要。该文首先介绍了过程监测与诊断技术的研究背景和意义,对现有基于数据驱动的过程监测方法研究现状作了综述。重点阐述了针对单一约束条件,尤其是过程的非线性或动态性的多变量统计过程监测方法。由于非线性和动态性这两种特性在实际工业过程中普遍同时存在,研究此类复杂工况下的过程监测问题具有重要意义。最后,分析了采用流形学习方法解决非线性动态过程监测问题的可行性和挑战性,并指出非线性动态过程、故障检测与诊断以及机器学习新算法的研究将是过程监测与建模技术的近期发展趋势。

基于多PCA模型的过程监测方法

传统PCA监测方法是依赖于生产过程数据信息的建模方法,生产过程的机理知识等信息很难融入其中。在传统仅依赖过程数据的PCA监测方法基础上,提出了一种将由机理知识或机理模型获得的深层次数据信息用于过程监测的新方法。深层次数据信息的融入,大大提高了基于入方法的过程监测模型的过程监测及故障诊断能力。数值仿真以及金的湿法冶金过程实例仿真表明,所提出的方法不仅降低了对生产过程数据的依赖程度,同时大大提高了过程监测模型的监测能力。

时段划分的多向主元分析间歇过程监测及故障变量追溯

针对间歇过程的多时段特性,提出一种生产过程操作时段划分方法.该方法利用反映过程特性变化的负载矩阵以及主成份矩阵的变化实现了间歇过程子时段的两步划分.提出了基于加权负载向量夹角余弦的负载矩阵相似性度量以及基于加权奇异值变化的奇异值矩阵相似性度量方法,以更客观的反映负载矩阵以及奇异值矩阵的相似性,进而更准确的判断过程特性的变化.根据同一操作子时段的过程特性,其负载矩阵和奇异值矩阵相似性较大的特点,实现了生产过程的子时段划分.将基于子时段划分的多向主元分析(MPCA)建模应用于三水箱系统的在线监测和故障变量追溯,实验结果验证了该方法的有效性.

基于多时段MPCA模型的间歇过程监测方法研究

针对间歇过程的多时段特性,提出一种新的生产操作时段划分方法.该方法利用反映过程特性变化的主成分个数、负载矩阵以及主成分矩阵的变化实现间歇过程子时段的三步划分.根据各时间片主成分个数不同,对生产操作时段进行粗划分.为了更客观地反映负载矩阵以及主成分矩阵的相似性,提出了基于加权负载向量夹角余弦的负载矩阵相似度度量以及基于加权主成分欧氏距离的主成分矩阵相似度度量方法.以相似度最小原则,对时间片矩阵进行奖惩竞争聚类,进而实现了生产操作子时段的细划分.将基于改进时段划分方法的MPCA建模应用于注塑成型过程在线监测,实验结果验证了该方法的有效性.

PCA过程监测方法的故障检测行为分析

通过分别导出T2 和SPE统计量均值与过程数据统计参数之间的关系 ,分析了影响主元分析 (PCA)检测行为的因素以及工况变化与故障在PCA下的不同被检测行为 ,利用双效蒸发过程的仿真监测验证了获得的结果 。

基于改进多尺度主元分析的丙烯聚合过程监测与故障诊断

针对工业过程故障检测问题,提出了一种改进多尺度主元分析方法。首先针对过程数据所具有的随机性、非平稳性及含有大量噪声等特点,提出了一种改进小波变换阈值去噪方法,移除原始过程数据中的大部分高频随机噪声,提高数据的置信度,然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数,在各个尺度矩阵建立相应的主元分析模型,以模型统计量控制限为阈值,对小波系数重构得到综合尺度主元分析模型。将该改进多尺度主元分析方法应用于丙烯聚合过程监测与故障诊断研究中,研究结果表明,与传统多尺度主元分析相比,改进多尺度主元分析减少了误报率和漏报率,提高了过程监测与故障诊断的精度。

改进PCA及其在过程监测与故障诊断中的应用

提出一种改进的主元分析 (PCA)方法 ,采用主元相关变量残差 (PVR)统计量代替通常的平方预测误差Q统计量 ,用于工业过程的监测与故障诊断。改进PCA避免了Q统计量的保守性 ,能够提供更详细的过程变化信息 ,从而有效识别正常工况改变与过程故障引起的T2 图变化。通过对双效蒸发过程的仿真监测 ,与普通PCA方法进行了比较 。

钢结构施工过程监测数据缺失机理与处理方法

分析并总结了钢结构施工过程监测中缺失数据的成因及特征,依据缺失数据形成机制将缺失数据分为三类.根据不同类型和特征的缺失数据,提出了基于最小二乘原理以回归分析理论为基础的数据补偿方法.通过对大同美术馆屋盖钢结构和"生命之环"钢结构施工过程监测数据的分析处理与比较,验证了该方法的有效性,说明了该方法的实用价值.

用于聚合物螺杆挤出过程监测的超声缓冲杆

针对聚合物挤出过程的在线检测要求,研究了超声缓冲杆的回波特性,分析了四种金属非金属材料缓冲杆检测聚合物的信噪比。试验结果表明,聚醚醚酮(PEEK)缓冲杆具有尾随信号小、衰减较小、声阻抗小、耐高温等特点,具备聚合物挤出的在线检测要求。文中研究了单螺杆挤出机上聚合物挤出过程的检测,结果说明该检测方法的可行性。

基于压电陶瓷传感器的钢筋混凝土框架结构裂缝损伤全过程监测

基于压电陶瓷传感器开展了动力荷载作用下的钢筋混凝土框架模型结构裂缝损伤全过程监测试验。在1个2层2榀钢筋混凝土框架结构中埋入压电陶瓷传感器,对模型结构先后施加拟动力荷载和拟静力荷载的作用,监测结构在荷载作用下的损伤发展全过程,并采用移动平均法对监测数据进行平滑处理。结果表明:所采用的监测方法能够有效监测结构健康状态的发展趋势,但受环境等因素的影响,监测数据存在波动性,给损伤识别带来一定困难;采用移动平均法进行数据处理可使损伤识别结果更加准确;基于压电陶瓷传感器的混凝土裂缝损伤监测方法可用于结构的长期监测,有效的数据平滑滤噪措施对于损伤的正确识别具有重要意义。

基于多向核熵成分分析的微生物发酵间歇过程监测研究

针对微生物发酵间歇过程监测算法只考虑数据信息最大化未考虑数据簇结构信息的不足,提出了基于多向核熵成分分析(Multi-way Kernel Entropy Component Analysis,MKECA)间歇过程监测的新方法。该方法首先引入AT展开策略对三维历史数据进行预处理,然后通过核映射将数据从低维空间映射到高维特征空间,解决数据的非线性特性,并在高维特征空间依据核熵的大小对数据进行降维,使降维后的数据能够最大化地保留原始数据的分布;同时理论证明了所提方法在特定条件下等同于传统方法,也就是说MKECA既能兼顾传统方法的优势,又能弥补传统方法的不足;最后通过青霉素仿真数据进行验证,表明MKECA方法具有更可靠的监控性能,能及时、准确地监测出故障。

基于迭代主成分分析的过程监测方法的研究与实现

利用迭代主成分分析 (PCA)算法 ,提出一种在线过程监测方法。根据实际生产过程经验 ,提供了由多元统计控制图判断过程是否正常的准则 ,实现了实时在线的 PCA建模和过程监测。

基于主元空间数据分布比较的统计过程监测

过程数据的分布特性涵盖了过程运行状态的有效信息,据此通过对主元子空间数据分布结构的分析比较,提出一种新的在线连续过程监测方法。与传统的多变量统计过程控制(MSPC)方法相比,该方法通过定量评估主元子空间中数据集的质心偏移以及数据集的分布方向2个监测指标来揭示数据分布结构的不同,对过程稳定运行点以及变量间相关性的变化作出准确判断,从而实现了对过程运行状况的实时监测和故障诊断。仿真例子验证了该方法的有效性和可行性。

改进PCA在发酵过程监测与故障诊断中的应用

提出一种改进的主元分析(PCA)方法.利用主元相关变量残差统计量代替平方预测误差Q统计量,并采用累积方差贡献率及复相关系数确定PCA模型的主元数.将改进的主元分析法应用于粘菌素发酵过程监测和故障诊断中,仿真结果表明改进的PCA方法避免了Q统计量的保守性,并保证了主元子空间中的信息存量.与一种基于特征子空间的系统性能监控方法相比较,改进的PCA方法具有更强的有效性.