《數據驅動的動態過程故障特徵提取與模式分析》是依託浙江大學，由宋執環擔任項目負責人的面上項目。
基本介紹
- 中文名：數據驅動的動態過程故障特徵提取與模式分析
- 依託單位：浙江大學
- 項目負責人：宋執環
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
面向動態工業過程監測，開展基於數據驅動的動態特徵提取、故障模式分析和過程故障診斷理論及其套用研究。在動態多變數統計分析技術的基礎上，提出基於多尺度和流形學習的動態數據特徵提取方法；針對動態特性強烈的瞬態過程，提出基於子空間模型的故障檢測和診斷方法，並在多尺度建模框架下，給出多模式瞬態過程的故障分析方法；建立動態過程的正常工況和異常工況模式庫，利用實時資料庫和模式分析技術，實現故障的線上監測和診斷；在複雜噪聲環境下，建立基於貝葉斯統計分析的動態機率監測模型，並研究相應的故障重構、故障診斷和分類方法。本項目的研究成果對於化工、冶金、石化以及製藥等典型工業生產過程的安全監測具有十分重要的理論意義和套用價值。
結題摘要
本項目針對過程數據具有信息不完備、動態相關、非高斯數據分布和複合噪聲等不規則特徵問題開展套用基礎研究，立足於基於數據驅動方法，著重研究工業過程的關鍵動態數據特徵提取技術、動態過程的數據建模方法、多工況模態和故障模式分析與處理、以及噪聲環境下的動態數據建模與監測方法等，提出了一套複雜運行環境下的工業過程系統數據驅動監測新方法。取得的主要研究成果有：1、面向複雜數據分布的工業過程魯棒監測方法：提出了一套面向不規則數據和動態特性的魯棒監測與故障診斷方法，能夠有效解決離群點、數據缺失、強噪聲等影響。2、基於流形學習的非線性動態過程監測與故障診斷：針對動態數據的時序結構特徵提取方法：時間空間近鄰保持嵌入算法(TSNPE)，以及同時保持數據的非局部結構信息的基於非局部約束的局部保持嵌入算法。3、動態過程的故障分類方法：提出一種基於切換LDS模型的新型動態過程故障分類方法，並進一步針對複雜噪聲環境，給出基於機率隱變數隱馬爾可夫模型的動態過程故障分類方法。4、非線性動態過程監測與故障診斷：基於高斯狀態空間模型，提出了一種基於機率模型框架的動態過程線上監測方法，並給出了相應的故障識別和分離方法。5、基於信息融合的故障決策支持方法與系統軟體：構建了一種集成多個故障診斷方法的決策融合系統，並研發了一個基於MATLAB GUI的工業過程故障決策仿真軟體平台。部分理論研究成果在大型合成氨生產裝置和廢雜銅冶煉爐套用驗證。
