论文部分内容阅读
随着工业技术的发展，产品的生产标准越来越高，现代工业系统的规模和复杂程度也在日益增加。退火炉设备在热轧过程中占据着十分重要的地位，退火炉的运行状态可以对产品质量以及能源消耗产生直接的影响。由于其自身的复杂特性，无法直接使用简单的监测方法对退火炉的运行状态进行监测。因此，对退火炉多模态运行监测方法的研究就变得十分重要。
基于多元统计的方法被广泛应用于过程监测，其主要是通过对过程变量的数据集进行分析和解释来实现对运行过程的在线监测。本文针对退火炉的运行过程，阅读大量文献后，主要进行以下几方面的研究:
(1)单一模态下过程监测方法的研究。经过理论分析和仿真研究，发现KECA较KPCA方法在主元信息提取方面具有一定优势。针对工业过程数据伴有噪声的问题，以KECA为主体算法，引入小波去燥对数据进行预处理，形成有效的WT-KECA单一模态过程监测方法。
(2)针对连续退火过程进行多模态特性分析，提出多模态划分方法。主要包括两个方面:一是稳态与稳态的划分，二是稳态之间的过渡态的划分。利用PSO-FCM方法进行数据聚类，对聚类后的数据依据变量变化率进行过渡态的划分。
(3)为了提高监测方法针对不同模态、不同故障类型均有较好的监测能力，利用贝叶斯推论将WT-KECA方法进行多模型集成，进而解决核函数参数需要不断调整的问题。并且以连续退火炉为背景，进行了退火炉多模态过程监测仿真研究。
基于退火炉的仿真结果表明，KPCA方法对于过程监测基本有效，但是其降维原理导致对于变量主元贡献率变得模糊。KECA方法在取得同样监测效果的前提下，对于分析变量贡献率变得清晰明了。而经过贝叶斯集成的WT-KECA方法对于连续退火炉多模态问题的监测达到了理想效果。
基于多元统计的方法被广泛应用于过程监测，其主要是通过对过程变量的数据集进行分析和解释来实现对运行过程的在线监测。本文针对退火炉的运行过程，阅读大量文献后，主要进行以下几方面的研究:
(1)单一模态下过程监测方法的研究。经过理论分析和仿真研究，发现KECA较KPCA方法在主元信息提取方面具有一定优势。针对工业过程数据伴有噪声的问题，以KECA为主体算法，引入小波去燥对数据进行预处理，形成有效的WT-KECA单一模态过程监测方法。
(2)针对连续退火过程进行多模态特性分析，提出多模态划分方法。主要包括两个方面:一是稳态与稳态的划分，二是稳态之间的过渡态的划分。利用PSO-FCM方法进行数据聚类，对聚类后的数据依据变量变化率进行过渡态的划分。
(3)为了提高监测方法针对不同模态、不同故障类型均有较好的监测能力，利用贝叶斯推论将WT-KECA方法进行多模型集成，进而解决核函数参数需要不断调整的问题。并且以连续退火炉为背景，进行了退火炉多模态过程监测仿真研究。
基于退火炉的仿真结果表明，KPCA方法对于过程监测基本有效，但是其降维原理导致对于变量主元贡献率变得模糊。KECA方法在取得同样监测效果的前提下，对于分析变量贡献率变得清晰明了。而经过贝叶斯集成的WT-KECA方法对于连续退火炉多模态问题的监测达到了理想效果。