亚洲精品欧美日韩国产中文字幕,99久久久无码国产精品免费了,在线观看一区国产,人妻少妇精品久久久久久

歡迎來到北京康高特 - 只為給你更好的測試體驗,只為讓我們成為更好的自己! English 中文

telphone

基于主元分析的傳感器故障診斷

來源:北京康高特儀器設(shè)備有限公司 發(fā)布時間:2016-06-07 17:08:41 作者: 瀏覽次數(shù):1746次 分類:技術(shù)文章

       現(xiàn)代化工過程通常都裝有大量的測量傳感器,如溫度、流量和壓力傳感器等。一些測量傳感器會用于閉環(huán)控制,而另外一些傳感器只用于過程監(jiān)測。在正常條件下,大多數(shù)傳感器得到的測量值是高度相關(guān)的。因此,這*為傳感器的故障診斷提供了寶貴的解析冗余。這些測量值的相關(guān)性主要源于支配過程運行的物理與化學(xué)原理,如:質(zhì)量與能量平衡等。

傳感器異常檢測
       
單變量和多變量的統(tǒng)計過程控制技術(shù)可用于檢測如下的傳感器異常:
           (1)異常測量值 這種情況主要是由于傳感器的故障引起的。



           (2)多個傳感器偏離正常的相關(guān)條件


            在正常條件下,過程的測量值通常表現(xiàn)出較強(qiáng)的相關(guān)性。這些測量相關(guān)性為我們提供了必要的冗余,可用于故障傳感器的檢測、辨識與重構(gòu)。這可以通過比較過程的測量值與基于標(biāo)稱模型的估計值之間的差別來實現(xiàn)。

            可以采用統(tǒng)計方法來建立過程的標(biāo)稱模型,如;主元分析方法(principle component analysis—PCA)以及部分*小二乘(partial least squares—PLS)算法等。

           (3)被監(jiān)測過程的瞬態(tài)變動

            所不期望的測量瞬態(tài)變動,例如:振蕩、或者在批處理過程中的不尋常的趨向性,一般是由于非正常的操作條件引起的。

            檢測這類異常通常采用的是動態(tài)統(tǒng)計模型,或卡爾曼濾波器。出于安全方面的原因,大多數(shù)化工過程的反應(yīng)都比較緩慢。這類瞬態(tài)變動可以看成是偽穩(wěn)態(tài)。因而可近似采用穩(wěn)態(tài)的相關(guān)分析方法來進(jìn)行處理。采用一些濾波技術(shù)也可以進(jìn)一步減弱瞬態(tài)變動的影響。

            采用主元分析進(jìn)行過程監(jiān)測與故障檢測是近年來才發(fā)展起來的。由于數(shù)據(jù)的相關(guān)性,一些主要的分量*可以充分描述全部數(shù)據(jù)的方差?;谥髟治隹梢詤^(qū)分如下(4)和(5)兩類異常條件。

           (4)傳感器相關(guān)故障

            在這種情況下,PCA模型被破壞增加。殘余向量的歐氏范數(shù)將顯著增加。

           (5)變動過大

            用于描述操作變化的變量超過了正常的范圍。


傳感器故障

       某一故障傳感器通常會破壞與其他傳感器的正常的相關(guān)性。當(dāng)異常條件被檢測到以后,此特性可用于故障傳感器的辨識。

       只考慮四種類型的傳感器故障,即:偏差、徹底失效、漂移、精度下降。圖2.2給出了這四種故障的示意圖。


圖2    a)偏差b)徹底失效c)漂移d)精度下降

       主元分析(PCA)以及部分*小二乘(PLS)算法都是多變量統(tǒng)計方法,可用于對含有噪聲的和高度相關(guān)的測量數(shù)據(jù)進(jìn)行分析。采用的是把高維信息投影到低維子空間,并保留主要過程信息的方法。

主元分析(PCA)的要求
       一般地說,利用主元分析得到的主元和原始變量之間有如下基本關(guān)系:
          
(1)每個主元都是原始變量的線性組合。
           
(2)主元的數(shù)目小于原始變量的數(shù)目。
          
(3)主元保留了原始變量絕大多數(shù)信息。
          
(4)各主元之間互不相關(guān)。

算法的具體步驟
       基于主元分析的故障檢測算法包括離線建模和實時檢測兩大部分,該算法的具體步驟如下所示。
           (
1)采集過程正常情況下的的數(shù)據(jù)并進(jìn)行標(biāo)準(zhǔn)化處理;
           (
2)求出標(biāo)準(zhǔn)化之后數(shù)據(jù)的協(xié)方差,計算其特征值與特征向量;
           (
3)建立PCA模型,主元個數(shù)的求取可由累計方差貢獻(xiàn)率(85%以上)算出。然后計算出這些正常數(shù)據(jù)的統(tǒng)計量SPE的控制限;
           (
4)采集新的樣本,使用當(dāng)前數(shù)據(jù)的均值和方差并對新數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理;
           (
5)基于已經(jīng)建立的PCA模型,計算統(tǒng)計量SPE的值,并與3)中得出的控制限做比較,判斷故障是否發(fā)生。


相關(guān)產(chǎn)品
洪湖市| 台东市| 万载县| 德保县| 承德市| 慈利县| 潞城市| 吉林市| 黄陵县| 外汇| 宜阳县| 大邑县| 万源市| 沙洋县| 同心县| 北海市| 平潭县| 延安市| 建瓯市| 克拉玛依市| 南投市| 屯昌县| 六安市| 正镶白旗| 民权县| 皮山县| 阿拉善盟| 云梦县| 沂源县| 南召县| 福鼎市| 齐河县| 抚州市| 历史| 青海省| 札达县| 哈尔滨市| 清水县| 广州市| 中超| 泰安市|