随机噪声环境下的动态过程概率建模及故障检测方法

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61603342
项目类别：
青年科学基金项目
资助金额：
21.0万
负责人：
周乐
依托单位：
浙江科技学院
学科分类：
F0301.控制理论与技术
结题年份：
2019
批准年份：
2016
项目状态：
已结题
起止时间：
2017-01-01 至2019-12-31

项目参与者：
费正顺；郑慧；黄炳强；金哲；李志远；穆清萍；
关键词：
故障检测潜结构投影过程监测数据驱动建模故障特征提取

项目摘要

For solving problems on dynamic industrial processes modelling and fault detection in the present of stochastic noises, this project intends to set up a series of research works on data analysis, dynamic feature extraction and fault detection based on probabilistic methods. Firstly, probabilistic dynamic latent variables models in a white noisy environment are studies, based on which process monitoring schemes are also proposed. Then, the probabilistic dynamic models are built using the observations containing missing data and outliers, where a robust model is studied. Finally, the proposed modelling and fault detection methods are extended into a color noise or a non-Gaussian noisy environment. The goal of this project is to evaluate and eliminate the effect on dynamic modelling and process monitoring in different stochastic noisy environment. In this project, different probabilistic dynamic models are constructed for this purpose, in which the auto-correlations and cross-correlations in data are well extracted compared to the traditional dynamic modelling methods. Hence, our research offers a new kind of methods for dynamic modelling and fault detection.

本项目针对随机噪声环境下的动态过程建模与故障检测问题，拟开展基于概率模型的生产过程数据分析、特征提取与故障检测方法研究。具体研究内容包括：白噪声环境下，正常测量数据的动态过程概率建模、特征提取与故障检测方法；白噪声环境下，带缺失值、离群点的测量数据概率鲁棒建模方法研究；线性平稳有色噪声和非高斯噪声环境下，动态过程特征提取与过程监测技术研究。本项目的研究目标是系统性地研究不同种类的随机噪声对数据驱动的动态过程建模与故障检测的影响，并提出了相应的动态过程概率建模方法，旨在克服动态过程建模传统方法不能同时有效地提取数据的自相关和互相关系的局限，为动态过程建模与故障检测提供一种新的思路和解决方案。

结项摘要

项目针对不同噪声环境下的动态过程建模与故障检测问题，研究了基于概率模型的工业过程数据动态潜隐结构特征提取方法、线性动态过程建模与故障检测方法、多工况动态过程建模与工况识别、非高斯噪声环境下的动态过程建模与过程监控方法等，提出了一套随机噪声环境下数据驱动的动态过程建模与故障检测解决方案。项目的主要研究成果包括：①基于动态潜隐结构的动态过程特征提取方法：提出了一种自回归动态潜隐变量模型，利用动态潜隐变量提取数据的自相关和互相关特性；提出了一种独立动态潜隐变量建模方法，构建了一组正交的动态潜隐变量，增强了动态过程特征提取的可解释性和故障检测性能。②在复杂噪声环境下的多工况动态过程故障检测方法：提出了基于切换自回归动态潜隐变量模型的多工况建模、工况识别与故障检测策略。考虑到多工况过程中产品牌号切换的问题，提出了一种多牌号的主成分分析模型及其故障检测方法。③非高斯动态过程监测：提出了基于ICA-自回归动态潜隐变量模型的过程监测方法，给出了基于回归分析的缺失数据估计方法，解决了动态过程数据包含缺失值和非高斯噪声的问题。④针对动态过程数据包含离群点、多采样率等复杂数据特性，分别研究了基于相似度的加权概率潜隐变量模型、基于多采样率因子分析模型的过程建模与故障检测方法等。综上所述，本项目已完成预定研究目标，研究成果将为流程工业综合自动化系统的高效稳定运行提供重要的理论和技术支撑。