基于MSPCA的FPSO典型生產(chǎn)流程故障診斷系統(tǒng)的研究

引言 隨著連續(xù)、大規(guī)模、復(fù)雜過(guò)程工業(yè)的逐步發(fā)展，流程工業(yè)過(guò)程正在向大型化和精細(xì)化方向發(fā)展，生產(chǎn)的安全可靠至關(guān)重要，人們對(duì)工業(yè)設(shè)備及控制系統(tǒng)的可靠性和安全性的要求越來(lái)越高，通過(guò)故障檢測(cè)與診斷實(shí)現(xiàn)過(guò)程監(jiān)控已經(jīng)成為過(guò)程自動(dòng)化領(lǐng)域的重要的研究方向之一。主元分析(PCA)方法已廣泛應(yīng)用于監(jiān)視多變量過(guò)程，但是PCA屬于單尺度建模，而從實(shí)際過(guò)程采集的數(shù)據(jù)本質(zhì)是多尺度的。因此，PCA分析在大多數(shù)過(guò)程數(shù)據(jù)模型中并不理想。另外，PCA將錯(cuò)誤信息與重要信息分離，提取決定性特征的能力較差。小波變換具有聯(lián)合時(shí)頻分析的優(yōu)勢(shì)，能夠從信號(hào)中提取信息，對(duì)信號(hào)進(jìn)行多尺度細(xì)化分析。多尺度主元分析(MSPCA)將主元分析去除變量間關(guān)聯(lián)和小波分析提取變量決定性特征、去除變量自相關(guān)性的優(yōu)勢(shì)相結(jié)合，不僅提高了偵查決定性變化的能力，而且也使得自相關(guān)變量監(jiān)控在沒(méi)有增廣矩陣或時(shí)間序列模型的情況下也很有效。MSPCA方法是對(duì)現(xiàn)有方法的重大改進(jìn)，具有廣泛的應(yīng)用前景。主元分析 主元分析方法是多變量監(jiān)視的一種常用方法。它將多個(gè)相關(guān)的變量轉(zhuǎn)化為少數(shù)幾個(gè)相互獨(dú)立的變量。 對(duì)....