基于自适应PPA及贝叶斯网络的化工过程故障诊断方法研究

发布时间：2024-01-30 01:12

　　随着信息智能技术的发展,化工过程自动化程度越来越高。为保证系统安全稳定地运行,对过程故障进行及时、准确和高效的诊断就显得至关重要。在过程故障诊断过程中,系统过程机理模型和专家知识都难以获取,而过程数据获取较容易。因此对基于数据驱动的故障诊断方法进行研究具有重要意义。针对化工过程数据所具有的动态时变性和化工过程变量关系复杂,故障根源分析难的问题,本文分别在故障检测中提出了自适应主多项式(PPA)方法和在故障根源分析中引入贝叶斯网络方法对动态化工过程进行了故障诊断研究。本文主要工作和创新如下:针对化工过程动态时变性,本文在基于主多项式(PPA)化工故障诊断方法的基础上,引入滑动窗机制,提出了一种新的自适应PPA故障诊断方法。首先,利用检测模型对动态过程进行实时检测,若过程正常,则根据最新过程数据更新窗口数据,从而对模型更新,然后利用最新模型对过程实时检测。最后,将本方法运用化工仿真TE过程实现在线检测,结果表明效果更好。针对化工过程检测到故障发生时对故障根源分析难的问题,由于贝叶斯网络作为图论与概率论的结合体,在处理复杂、模糊以及不确定性方面具有较强推理能力。因此,本文将贝叶斯网络引入化工...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 过程故障诊断概述
        1.2.1 基于机理模型的方法
        1.2.2 基于定性知识的方法
        1.2.3 基于数据驱动的方法
    1.3 本文主要内容
第二章 文献综述
    2.1 PCA方法
        2.1.1 PCA算法过程
        2.1.2 统计量的构建
    2.2 故障检测方法
        2.2.1 基于PCA的故障检测方法
        2.2.2 基于PLS的故障检测方法
    2.3 PPA算法
        2.3.1 PPA算法原理
        2.3.2 PPA算法主元个数的选取
    2.4 故障根源辨析技术
    2.5 贝叶斯网络概述
        2.5.1 概率论
        2.5.2 图论
        2.5.3 贝叶斯网络定义
    2.6 本章小结
第三章 基于自适应PPA的过程故障检测方法及其应用
    3.1 基于自适应PPA方法的过程故障检测
        3.1.1 PPA方法故障检测流程
        3.1.2 基于自适应PPA方法故障检测流程
    3.2 化工仿真TE过程
    3.3 自适应PPA过程故障诊断方法在TE过程中的应用
    3.4 本章小结
第四章 基于改进蜂群算法的贝叶斯网络结构学习法
    4.1 贝叶斯网络结构学习
        4.1.1 基于打分搜索方法
    4.2 基于改进蜂群算法的贝叶斯网络结构学习法(D-ABC)
        4.2.1 人工蜂群算法
        4.2.2 差分进化算法
        4.2.3 贝叶斯网络结构学习过程
    4.3 实验仿真结果分析
        4.3.1 算法参数优化
        4.3.2 实验对比分析
    4.4 本章小结
第五章 基于贝叶斯网络的化工过程故障根源分析
    5.1 贝叶斯网络参数学习
        5.1.1 最大似然估计参数学习
        5.1.2 贝叶斯估计参数学习
    5.2 贝叶斯网络推理
        5.2.1 贝叶斯网络推理基本类型
        5.2.2 贝叶斯网络推理算法
    5.3 基于贝叶斯网络的TE过程故障根源分析
    5.4 本章小结
第六章 结论与展望
    6.1 全文研究内容总结
    6.2 研究展望
致谢
参考文献
个人简历、在学期间发表的学术论文及取得的研究成果



本文编号：3889205