改进的递推主元分析及递推主元回归算法

为了加速模型在线更新的速度以更好地适应实际工业过程的动态变化,通过在已有递推主元分析(PCA)算法的基础上简化了自相关矩阵的递推公式,从而改进了基于秩1更新的递推PCA算法,把原来需要进行2次秩1更新的步骤简化为仅仅需要进行一次秩1更新,并在此基础上提出了递推主元回归算法。仿真结果表明,改进后的基于秩1更新的递推PCA算法比原来的基于秩1更新的递推PCA算法缩短了近一半的运算时间,而新的递推主元回归算法,不但能够适应工业过程的动态变化,并且比批处理的方式节约了存储空间与计算时间。

基于递推主元分析法的汽车衡称重传感器零点故障检测方法

汽车衡称重传感器零点故障是一种典型的微小故障,不易在线检测,利用递推主元分析(RPCA)与四类故障检测指标相结合的方法,提出一种汽车衡称重传感器零点故障在线检测方法。该方法首先利用基于秩1修正的主元递推算法在线更新主元模型,然后利用Hotelling’s T^2统计量、平方预测误差(SPE)统计量、Hawkins TH^2统计量、主元相关变量残差(PVR)统计量及其控制限构建故障综合评判方法,最终完成称重传感器零点故障及微小故障在线检测。实验表明,采用这种基于递推主元分析和综合评判方法的称重传感器,零点故障检测准确率比传统方法(即仅采用T^2、TH^2、SPE、PVR任何一类统计量进行判别),提高了一个数量级,证实了该方法的有效性。

基于递推PCA的变工况中央空调系统故障诊断

由于节能以及用户需求等原因,中央空调系统(HVAC)设定温度和风量等工况时常发生改变,这会导致系统模态发生变化,给故障诊断增加难度。为此开展了中央空调变工况下的故障诊断方法研究,首先为了准确模拟HVAC系统变工况及其典型故障,通过专用建筑能源模拟器TRNSYS软件进行建模,并实时采集HVAC系统各传感器数据,随后针对传统PCA算法模型无法适应系统工况变化,容易出现大量误报的问题,发展一种递推主元分析(RPCA)方法,通过利用传感器输出的新数据在线更新原始的PCA模型,即对数据矩阵的均值、方差等进行更新,解决了HVAC系统变工况时参数动态变化所引发的误报的问题,最后基于TRNSYS和MATLAB联合仿真,验证了所提方法的有效性和优越性。

加氢裂化装置二值型产品质量实时预测方法及应用

产品质量对炼化企业而言至关重要,实时预测产品质量是提高产品质量合格率的必要条件。炼化生产中非定量的二值型质量指标(如博士实验是否合格、铜片腐蚀是否合格)的预测与连续型质量指标(如汽油干点)的预测同样重要。为了消除生产过程自变量之间的相关性、使模型参数能够递推更新,本文建立了"递推主元分析-逻辑回归"的二值型产品质量预测方法。首先采用递推主元分析法提取过程自变量中的主元;然后采用逻辑回归方法,预测二值型质量指标的合格概率;最后对侦测的不合格产品质量指标,运用优化方法求取最小变动的操作参数调整,指导操作使得产品质量尽快合格。利用该方法,本文通过分析国内某厂加氢裂化装置原料性质及加工负荷的变化情况,对装置的航煤博士实验合格情况进行实时预测,并指导生产操作,从而大大提高博士实验的合格率,保证了产品质量和装置的正常运行。该方法同样适用于其它炼化装置的二值型产品质量指标的实时预测。