基於不完整數據的氧化鋁蒸發過程故障診斷方法研究

《基於不完整數據的氧化鋁蒸發過程故障診斷方法研究》是依託中南大學，由宋彥坡擔任項目負責人的面上項目。

基本介紹

• 中文名：基於不完整數據的氧化鋁蒸發過程故障診斷方法研究
• 項目類別：面上項目
• 項目負責人：宋彥坡
• 依託單位：中南大學

項目摘要

由於原料成分複雜、工況波動大等因素，氧化鋁蒸發過程極易發生故障。根據已積累大量數據，管道結垢或結疤會出現數據大噪音或缺失、系統參數變化的特點，研究氧化鋁蒸發過程故障診斷方法。①研究不完整數據的表現形式，以及噪音評價、大噪音和缺失數據修復等數據預處理方法；②研究在子空間辨識框架下採用PCA技術直接從歷史數據中設計基於奇偶性空間的殘差生成器，提出基於模型框架下的故障檢測與分離方法，採用多種方式設計魯棒性策略，以適應數據不完整性特點，研究根據工況的穩定程度進行模型快速更新機制，以適應系統參數變化的特點；③採用貝葉斯網路來表達變數異常與故障類型和位置間的複雜關係，使用觀測器理論研究不完整靜態數學模型的快速疊代方法，利用仿真結果輔助確定貝葉斯網路結構，提出基於組合貝葉斯網路的故障決策方法；④開發氧化鋁蒸發過程故障診斷系統，進行實驗室和現場驗證。該項目可為降低事故和能耗，提高設備壽命和利用率做出貢獻。

結題摘要

氧化鋁生產蒸發過程運行環境惡劣、現場干擾因素多，容易發生故障。然而，由於蒸發過程運行機理複雜以及現場檢測數據的不完備特點，現有的故障診斷方法，無論是機理驅動還是數據驅動方法，均難以取得良好效果。本項目針對蒸發過程檢測數據存在的數據缺失、時標不同步、噪聲污染等問題，研究基於不完整數據驅動的故障診斷方法。主要研究成果和結論歸納如下： （1）提出了氧化鋁生產蒸發過程多參數數據時間配準、基於標記可辨識矩陣的增量式屬性約簡等數據預處理方法，有效地提高了數據的可用性。 （2）開發了氧化鋁生產蒸發過程及其常見故障的仿真模型，為針對該過程的故障診斷算法、最佳化控制算法提供了測試與驗證平台。 （3）提出了一系列基於典型相關分析（CCA）的故障診斷方法，實現了對單模態/多模態的靜態過程/動態過程的加性故障/乘性故障的多種故障的高效檢測與分離。 （4）提出一種基於數據驅動的確定性擾動下動態過程故障診斷方法，通過對數據子空間正交投影生成的殘差矩陣消除確定性擾動對輸出的影響，有效減少未知確定性擾動導致的故障誤報。 （5）提出一種基於最優未知輸入觀測器的不確定動態系統故障診斷方法，將卡爾曼濾波器和未知輸入觀測器結合，實現了在未知輸入干擾和噪聲條件下故障的高效診斷。 （6）提出一種基於貝葉斯網路的故障類型判斷方法，將領域知識融入貝葉斯網路結構學習過程，通過Bootstrap抽樣擴大樣本規模，實現了基於小樣本數據的故障類型判斷。 （7）提出了氧化鋁蒸發過程降膜蒸發器的液位最佳化設定、分散型自適應模型預測控制等方法，為氧化鋁生產蒸發過程的最佳化控制奠定了方法基礎。 本項目研究形成了一套基於不完整數據驅動的氧化鋁蒸發過程故障診斷方法，為氧化鋁蒸發過程的故障診斷提供了一條高效途徑，有望解決氧化鋁蒸發過程的大部分故障診斷問題，有利於提高人們對該過程的操控水平。研究成果理論上可套用於其它具有類似數據特點的工業過程，具有一定的推廣價值。