《智慧型數據驅動的複雜工業流程的故障診斷與分析》是依託東北大學，由張穎偉擔任項目負責人的面上項目。
基本介紹
- 中文名：智慧型數據驅動的複雜工業流程的故障診斷與分析
- 項目類別：面上項目
- 項目負責人：張穎偉
- 依託單位：東北大學
中文摘要,結題摘要,
中文摘要
以生物發酵為背景研究複雜工業流程故障診斷問題。由於數據本身具有複雜的統計特性，變數的軌跡隨著時間呈現很強的非線性動態變化趨勢，因此，線性方法套用於複雜流程存在無法解決的非線性動態帶來的問題。本項目研究基於核主元、核獨立元分析方法與智慧型方法相結合的智慧型數據驅動方法解決非線性動態帶來的問題（分為故障檢測方法和故障辨識方法）。目前，把核主元與核獨立元方法相結合用於故障診斷存在的問題是：（1）時間序列數據非線性映射方法（核技術）智慧型低，核矩陣有誤差、維數大（有冗餘），使故障檢測變得困難；（2）輸入空間和性質空間不能象主元分析方法那樣自如地轉換，使得故障辨識變得困難。本項目旨在解決上述難題並把智慧型方法與上述核方法相結合：(1) 基於特徵提取的智慧型核矩陣的形成方法；(2) 基於分散故障重構的故障辨識方法。在套用前景方面，本項目的研究成果將為提高複雜流程安全性提供有效的方法和理論依據。
結題摘要
緊緊圍繞生物發酵、電熔鎂爐和鋼鐵連續退火過程等的建模、監測、質量預報和控制的主題開展基礎性、原創性和系統性的研究，取得了一系列具有國際影響的研究成果。將KPCA、KICA 和 SVM三大方法通過核理論統一在一個故障檢測框架下，建立集高斯和非高斯過程診斷率高、訓練和測試時間短、不包含任何非線性最佳化、高分類率等優點的綜合檢測平台，解決了PCA和PLS無法解決非高斯、非線性、批次、動態問題的四大缺陷。提出多路核獨立元分析理論，解決爐內氣流分布的紊亂性和偏心度提取問題，實現了批次過程基於核獨立元的統計建模及監測，給出故障可分離的條件。提出正交核潛結構投影理論與方法，尋找預測數據中與輸出對應特徵根正交的最大變化量，解決了傳統方法不能套用於非線性過程的問題並有效地解決了干擾變數影響質量預測效果這一問題．提出了動態批次過程在不同模式下非高斯模型的相似性原理，基於該原理，針對多模式批次生產過程，建立了集多個正常模式提取公共信息和特殊信息並不斷更新模型庫的線上建模監測方法。提出基於過程拓撲的將過程分成不相交塊的多塊分散過程分解方法提出了過程拓撲或先驗知識的分散式建立模型方法，建立多種局部決策結構。進一步提出子塊數等於變數數的故障源辨識方法。提出多層次核主元分析和多層次核偏最小二乘方法用於非線性過程監測，在數據的各個層次上有效地檢測和識別故障，給出基於多尺度聯立方程精確解，同時解決了傳統批次過程線上監測數據缺失的難題23+6篇論文SCI檢索收錄，第一作者26篇。出版專著兩部。
