|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
基于改进动态主元分析在半实物仿真系统中的研究 ) v7 T! r4 c. y$ w$ D
摘要:为了实现数据驱动技术在工业中的实际应用,开发了以蒸馏塔作为被控对象的半实物仿真系统,将数据驱动方法应用到流程工业半实物仿真系统.针对动态主元分析方法存在的计算负荷大,计算效率低的问题,提出了一种改进动态主元分析方法,利用不可区分度和交叉程度去除众多变量中的不相关变量或相关度较小的变量,减少数据量.针对系统中的典型故障,数据驱动方法能够检测出半实物仿真系统中的异常,而且与传统动态主元分析比较,改进算法降低漏报率和误报率,提高诊断可靠性,并且能及时检测出生产过程的微小故障.
! y8 q$ ^: ]$ ]1 M; a关键词:数据驱动;蒸馏塔;半实物仿真;动态主元分析;不可区分度3 ?0 ?7 @, ~7 v$ k- j3 a' I; V
; {6 ^5 q6 e: d& B; H& d; `
1引言- {( N/ n3 g% |* M8 J4 G* T. g
随着工业4.0的提出和发展,现代工业过程自动化程度和复杂性越来越高[1~4],工业生产过程中安全性和可靠性问题成为人们关注的焦点[5.6].过程监控在保证工业过程的安全生产和提高产品质量方面发挥重要作用,因此过程监控技术成为众多学者研究的热门.在监控技术领域,数据驱动方法凭借: (1)大数据时代的到来[”,各种智能仪表被广泛使用,海量的过程数据被收集和归档,这些数据包含系统的状态信息;(2)系统复杂性越来越高,很难建立系统模型,而数据驱动方法无需建立精确的物理模型,这两点优势被广泛应用于流程工业的过程监控和故障诊断[ 8~ 10]1 n- |4 G6 d4 Z+ i9 C# ]& c! T+ ~
主元分析法( Principal Component Analysis , PCA)是数据驱动方法中应用最广泛的一种多元统计方法, PCA能有效监视生产过程,但PCA是一种静态方法,其应用
$ J' G# Z9 Z7 n5 |0 s( z1 G: a4 N" D* z! ]/ h* u
0 y" h3 J" ?. P* [
5 p: Y" i: m! \6 r- n$ z1 Q5 _4 k2 @9 u; L4 L) g+ [
|
|
/1 
发表于 2021-3-2 10:32
收藏
淘帖
支持！
反对！