知识与潜结构映射技术相结合的多单元串联过程故障诊断方法及应用

This project aims at establishing hybrid data-driven fault diagnosis methods with projection to latent structures incorporating process operation knowledge for multi-unit sequential manufacturing processes, which are difficult to be modeled mathematically. When achieving fault diagnosis for such processes, traditional projection to latent structures based fault diagnosis methods encounter two problems, i.e. difficulty in diagnosing cause of fault, and lack of interpretation for the process faults. In this project, the process operation knowledge on vertical hierarchical-organized and horizontal block-wise structures of the sequential manufacturing processes are utilized to establish hierarchical and decentralized mixted fault diagnosis theory and realization techniques. The main work includes 1) developing hierarchical fault diagnosis method while incorporating vertical hierarchical-organized knowledge into the latent structures decomposition within process layer; 2) investigating decentralized fault diagnosis method while incorporating horizontal block-wise knowledge on unit partition and sampling location into the latent structures decomposition; 3) obtaining material-transportation fault identification method when incorporating material-transportation knowledge into the latent structures decomposition; 4) applying the above methods and techniques to a large scale iron-steel continuous annealing process so as to achieve significant application results. The implementation of the proposed project can effectively improve the ability to diagnose and interpret fault, as well as lay a solid foundation for condition-based maintenance. It will enhance operation safety of complex processes, avoid catastrophic accidents, ensure quality of products, and eventually gain significant social and economic benefit in China.

本项目以难以建立机理模型的多单元串联连续过程为背景，进行知识与潜结构映射相结合的故障诊断方法研究与应用研究。由于传统潜结构映射故障诊断方法未利用过程运行知识，存在对过程故障的解释能力不强、无法准确诊断故障原因等不足。本项目结合多单元连续过程的纵向分层、横向分级的过程运行知识，建立知识与潜结构映射技术相结合的分层次逐级诊断方法及实现技术，具体包括：（1）研究过程层内纵向分层知识与潜结构映射相结合的分层诊断方法；（2）研究单元划分、变量采样位置的横向分级知识与潜结构映射相结合的逐级诊断方法；（3）研究物料传输知识与潜结构映射相结合的物料传输故障诊断方法；（4）上述方法在钢铁生产连续退火过程进行应用研究。开展本研究将提高传统方法对故障原因的诊断能力和对故障的解释能力，为在此基础上的视情维护打下基础。从而，提高我国复杂过程安全运行水平，避免灾难事故发生、保证产品质量，取得社会和经济效益。

本项目针对难以建立机理模型的多单元串联连续过程，传统潜结构映射故障诊断方法对故障的解释能力不强，建立了知识与潜结构映射技术相结合的分层次逐级建模与故障诊断系统理论方法。取得的主要研究成果包括：（1）提出了并发潜结构映射建模与多层面综合诊断一系列方法，包括精简并发偏最小二乘方法、并发典型相关分析方法、以及非线性扩展的并发核偏最小二乘法、并发核典型相关分析方法等；（2）提出分层潜结构映射框架内的基于多块并发偏最小二乘的多级建模与故障诊断方法；（3）提出基于滑动窗口主元分析的物料传输故障诊断方法；（4）上述方法在钢铁生产连续退火过程等成功应用验证。通过本项目的开展，有效地提高了传统数据驱动方法对故障原因的诊断能力和对故障的解释能力，为多单元串联连续过程运行故障诊断提供新建模方法和整体解决方案。本项目成果在工业大数据建模与故障诊断方面取得国际前沿且具领先水平的创新成果并产生较强影响力。. 本项目执行顺利，超额完成既定计划。论文方面：计划发表/录用SCI检索论文4 篇左右、EI检索论文6 篇左右，执行期内实际发表/录用标注论文15 篇，其中，SCI检索国际期刊长文7篇、EI检索论文8 篇，包括IEEE汇刊长文4 篇、IFAC会刊长文1 篇、其他SCI检索权威国际期刊长文2 篇；控制领域国内权威期刊《自动化学报》论文2 篇；IFAC国际会议论文3 篇。成果转化方面：计划授权/申请专利1-2 项，实际授权/申请专利3 项；计划转化科技项目0 项，实际项目组负责人作为合作单位负责人承担国家自然科学基金面上项目1项，作为执行负责人承担国家自然科学基金重大项目1 项（参与人排名2）；科研获奖方面：计划0 项，实际项目组负责人获省部级辽宁省自然科学学术成果奖1 项、自动化学会奖励1 项、沈阳市自然科学成果奖一等奖1 项、辽宁省研究生大数据技术创新大赛一等奖1 项。

内容获取失败，请点击重试