基于规范变量分析的动态多变量过程故障诊断

主元分析法(PCA)和部分最小二乘法(PLS)是目前应用较普遍的故障检测方法,但是这两种方法都不能解决变量中存在自相关的问题,而化工过程测量变量之间往往存在互相关和强自相关;规范变量分析(CVA)法能有效地解决上述问题,应用于过程故障检测的效果明显优于PCA和PLS;但目前的研究大都限于故障检测上,在此基础上进行故障诊断的研究很少,因此提出了结合CVA统计模型和SPE统计量,再利用贡献图的方法,实现对Tennessee—Eastman过程的故障诊断;仿真结果表明了所提出方法的有效性。

主元分析在航空发动机关键系统状态识别中的应用

针对航空发动机结构复杂、运行工况恶劣、监测参量众多等因素,导致对其健康状态难以准确识别问题,提出了基于主元分析的健康状态识别监测方法;首先,对通过专业试验平台采集的试验数据进行预处理,在此基础上,采用主元分析方法对其进行深入分析,运用主元贡献率计算主元个数,并据此构建状态识别模型,确定T2统计量和SPE统计量;以确定的T2统计量和SPE统计量作为航空发动机气路系统状态健康与异常识别的标志,对航空发动机气路系统健康与否进行识别研究;研究结果表明,该方法可以很好识别出航空发动机气路系统的运行状态,对航空发动机实际运行状态的识别具有重要的工程应用价值。

采用核鲁棒非负矩阵分解的执行器动态过程故障检测

作为流程工业中控制系统的重要组成部分,执行器的正常工作对确保生产过程的安全性和可靠性具有重要意义.针对处于动态调节中的执行器,提出一种基于核鲁棒非负矩阵分解(KRNMF)的故障检测方法.首先,利用正常状态下的历史数据构建流量特性曲线,获取完备的动态工况训练集.其次,为克服运行数据动态特征、非线性特征,在核非负矩阵分解的基础上引入稀疏误差矩阵,隔离异常数据.同时,构造新的SPE统计量并使用核密度估计确定其控制限.通过DAMADICS仿真、水箱平台以及火电厂减温水调节阀实际数据的对比实验,验证了该方法的有效性.

风力发电机温升故障预警方法研究

针对传统PCA在解决变量重要性差异很大问题时的局限性,提出一种结合relief F算法和加权主元算法的方法。该方法首先采集张家口某风场5月某段时间内风力发电机组运行数据并建立数据集,通过relief F算法确定权值向量W,进而使用加权主成分分析法建立正常工作状态下发电机温度模型。利用该模型对同一机组另一段时间运行数据进行故障检测,通过对统计量HotellingT^2(简称T^2)和平方预测误差(简称SPE)的趋势分析最终确定机组运行状态。实验结果表明,提出的方法准确预测出了发电机的温升故障,并减少了误报情况。

用PCA探讨纯棉针织物染色工艺对色差的影响

针对定性分析染色工艺参数对色差影响不准确,建立其精确数学模型困难等问题,基于PCA统计方法,利用SPE统计量描述生产样本和无色差统计模型的偏离程度,定量地研究纯棉针织物的染色工艺参数对色差影响,得出主要影响因素的可控制范围.

分布式光纤传感技术支持下的天然气管道泄漏监测研究

文章首先针对分布式光线传感器基本构成技术和硬件设备进行了分析,介绍了OTDR技术以及其衍生而成的瑞利散射的分布式光纤传感器和布里渊散射的分布式光纤(温度/应变)传感器;其次,针对天然气管道泄漏检测的原理以及性对应的监测方式进行解读,通过统计量判断管道泄露状况;最后,通过实验与分析得出,系统漏警率可以通过对比分析传统零点频率法的分布式光纤管道泄漏监测,可以根据SPE统计量来监测天然气管道是否泄露。