基於CVA及因果分析的複雜系統故障診斷方法研究

《基於CVA及因果分析的複雜系統故障診斷方法研究》是依託北京化工大學,由江奔奔擔任項目負責人的青年科學基金項目。

基本介紹

  • 中文名:基於CVA及因果分析的複雜系統故障診斷方法研究
  • 依託單位:北京化工大學
  • 項目類別:青年科學基金項目
  • 項目負責人:江奔奔
項目摘要,結題摘要,

項目摘要

故障診斷技術對保障複雜工業系統的安全生產與高效運行發揮著至關重要的作用。然而以PCA和PLS為代表的故障診斷方法在建模精確性和簡約性方面所存在的局限性降低了其診斷故障的準確性和快速性,從而導致故障變數、故障發生的種類和根源難以及時有效確定。這不僅對生產效益帶來巨大影響,更給工業生產安全帶來巨大威脅。本課題針對複雜工業過程數據量巨大、相關度高且動態性強的特點,以提高故障診斷的準確率和快速性為目的,以充分提取過程數據中的動態模型信息為出發點,提出以基於狀態空間模型的規範變數分析(CVA)技術為基本框架的數據驅動故障診斷方法。這些方法包括:(1) 基於CVA貢獻分析的故障變數診斷方法;(2) 基於CVA判別分析的故障分類方法;(3) 綜合CVA和因果分析的故障溯源方法。本課題的研究成果將在田納西-伊斯曼仿真過程和催化裂化實際裝置中進行驗證。本研究將推動CVA方法在故障診斷領域中的套用。

結題摘要

隨著工業生產效率等需求的日益增長,現代工業過程規模和結構不斷趨向複雜化。這些過程一旦發生故障會造成巨大的經濟損失並對生產安全形成威脅。因此,利用故障診斷技術確保複雜過程的安全生產和高效運行具有重要意義。本課題利用具有良好數據建模性能的規範變數分析(Canonical Variate Analysis, CVA)方法於故障診斷領域,較好解決了複雜工業過程對過程監控在快速性和準確性方面的需求。具體研究成果包括:(1)提出了一種基於規範變數分析(CVA)的貢獻圖方法,有效增加了故障變數診斷的準確性;(2)提出了基於CVA判別分析的監督式故障分類方法,提高了故障分類的準確性和快速性;(3)提出了綜合CVA和因果分析的無監督式故障溯源方法,有效彌補了工業實踐中不能事先獲知故障數據集情況的套用需求。課題組在IEEE Trans. on Control Systems Technology, IEEE Trans. on Industrial Informatics, Journal of Process Control等公開發表12篇學術論文,其中SCI論文9篇,EI論文2篇。

相關詞條

熱門詞條

聯絡我們