基于貝葉斯推理的工業(yè)過程監(jiān)測方法研究.pdf

1、過程監(jiān)測技術是保證工業(yè)過程安全和提高產品質量的有效途徑。隨著科學技術，尤其是計算機技術的飛速發(fā)展，海量數(shù)據(jù)的產生與存儲已經成為現(xiàn)代工業(yè)過程的一個標志性特征。21世紀初基于數(shù)據(jù)驅動的過程監(jiān)測技術應運而生，在很多領域得到廣泛應用。多變量統(tǒng)計過程監(jiān)測（MSPM）更是當前過程監(jiān)測領域的核心技術之一。
　　過程監(jiān)測的研究方向涵蓋故障檢測和故障診斷兩大領域?；贛SPM的過程監(jiān)測方法大部分研究都集中在故障檢測上，以主元分析法（PCA）和偏最小

2、二乘法（PLS）為核心的故障檢測方法目前已進入到成熟發(fā)展階段，有一套較完整的理論體系。然而在故障診斷和故障識別領域MSPM的表現(xiàn)則略遜一籌。目前常用的基于非監(jiān)督的故障診斷方法有完全分解貢獻（CDC）法和基于重構貢獻（RBC）法。兩種方法都有污染效應（Smearing Effect），即故障變量會將其對檢測指標的影響“污染”到非故障變量上，以至于發(fā)生誤判。
　　在參照主元分析法進行故障檢測的前提下，本文結合重構貢獻法和貝葉斯推理提出

3、一種新的非監(jiān)督的數(shù)據(jù)驅動故障診斷方法。該方法將之前故障變量的診斷結果應用于當前樣本的診斷中，利用對故障信息的累積效應區(qū)分出主要故障變量和次要故障變量，從而消除故障診斷中的污染效應。在實際的復雜工業(yè)過程中，故障一般不是隨機發(fā)生的，相反在控制器的控制作用下，由于變量之間的相互關聯(lián)，故障會逐漸傳播到其他變量上，稱之為故障傳播（Faculty Propagation）。CDC和RBC兩者都不具有跟蹤故障傳播過程的能力，而本文提出的方法能夠分析出