《面向故障診斷的一類複雜動態過程數據建模》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：面向故障診斷的一類複雜動態過程數據建模
- 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
本項目針對一類複雜動態工業過程的故障診斷問題，擬開展基於生產運行數據的建模與分析方法研究。具體研究內容包括：複雜噪聲環境下非線性動態過程的數據魯棒建模、監測與故障診斷方法；基於核學習方法的非線性動態過程機率建模與故障診斷；面向複雜噪聲動態過程的隱馬爾科夫數據建模與狀態監測技術研究；針對時變動態過程的自適應數據建模、故障檢測與識別；多操作工況生產過程的工況切換和過渡過程模式識別、非線性特性分析以及聯合故障監測方法研究；動態多變數統計模型與子空間數據模型的狀態階次選取、參數最佳化以及模型性能評價等。項目的研究目標是提出一套適合噪聲環境下複雜動態過程故障診斷的數據建模與分析新方法。本項目的研究成果對提高流程工業生產過程運行效率和產品質量具有重要的理論意義和實際套用價值。
結題摘要
本項目深入研究複雜噪聲、數據缺失、多工況、非線性、時變等環境下的動態過程數據建模與數據驅動故障診斷方法，取得了在故障診斷領域有影響力的研究成果，初步建立了一類複雜動態過程數據建模、故障診斷和線上監測的理論體系。主要研究進展有：揭示了閉環控制對數據驅動故障診斷的影響機制，提出了一種數學模型約束下的動態過程數據建模與數據驅動故障診斷新方法；提出了基於深度學習與流形學習的非線性動態過程數據建模與故障診斷方法；提出了工業過程關鍵變數的變分貝葉斯高斯混合回歸軟測量新方法；提出了基於自適應因子分析和軌跡分析的時變動態過程數據建模與故障檢測方法；建立了多工況情況下的過渡過程數據模型、工況識別和故障檢測算法；針對大規模廠級動態過程，提出了一種基於分散式貝葉斯網路和分層流形學習的大數據建模和監測方法。項目取得的部分理論研究成果在大型天然氣制合成氨生產裝置的運行狀態監測與故障診斷實際套用，研發了天然氣合成氨生產裝置數據分析與故障診斷軟體，取得一定經濟效益。
