复杂工业过程的多故障诊断方法研究

In complex industry process, multiple faults may occur simultaneously, among which, there are always notorious characteristics, such as coupling and transfer, etc. Taking the above characteristics into account, we will propose a unified fault diagnosis scheme based on the method of information fusion and qualitative knowledge, and do further research on a series of complex industrial processes on the basis of the steel rolling process. To accomplish this project, we will study in detail the following key issues: (1) extract the features of multiple faults and establish the identification model; (2) be aimed at the coupling characteristic of multiple faults, propose solutions relevant evidence fusion method; (3) fault recognition and separation to the transfer characteristic of multiple faults; (4) update the unknown multiple faults identification frames. According to the organicintegration of the theory, we will form a comprehensive and scientific synthesis method of the multiple faults diagnosis, and build an experimental platform for complex industrial process fault diagnosis to experiment, improve and optimize the method, and then try to apply it to the actual steel rolling process and other typical complex industrial production processes in order to lay the foundation for the promotion of fault diagnosis methods in the factories. For the complex industrial process, the research of multiple faults diagnosis methods not only has important academic value, but also meet the demand of the production and operation of complex industrial process, so it has very important significance to monitor and ensure the safety in production and product quality.

在复杂工业过程中，多个故障同时发生的情况越来越多，且这些并发故障间往往存在耦合特性和传播特性等复杂关系。针对复杂工业过程多故障诊断问题，基于信息融合和定性知识的方法，提出多故障诊断研究的整体方案，并深入研究和解决以连续轧制过程为代表的一类复杂工业过程多故障诊断领域的几个核心问题：多故障特征提取与辨识模型建立；多故障耦合特性的解相关证据融合；具有传播特性的多故障识别与分离；以及未知多故障诊断和辨识框架的更新等。有机融合理论研究成果，形成一套全面系统的多故障诊断综合方法，搭建复杂工业过程多故障诊断实验平台，对多故障诊断综合方法进行实验、改进、完善和优化，并尝试将其应用到实际的复杂工业过程，为多故障诊断方法在工业现场的推广应用奠定基础。针对复杂工业过程多故障诊断方法的研究，不仅具有重要的学术价值，而且也是复杂工业过程生产和运行的迫切需求，对监控和保证其安全生产和产品质量都具有十分重要的意义。

在复杂工业过程中，多个故障同时发生的情况越来越多，多故障问题是普遍存在的。针对复杂工业过程多故障诊断方法的研究，不仅具有重要的学术价值，而且也是复杂工业过程生产和运行的迫切需求，对监控和保证其安全生产和产品质量都具有十分重要的意义。本课题基于信息融合和定性知识的方法，设计了多故障诊断研究的整体方案，并深入研究和解决了以连续轧制过程为代表的一类复杂工业过程多故障诊断领域的几个核心问题：研究并设计了相互独立的多故障诊断方法，建立了“故障-征兆”间的关系模型；研究了具有耦合特性的多故障，实现了耦合故障的退耦和分离；研究了具有传播特性的多故障诊断方法，解决了子系统故障的识别与分离问题；设计了故障诊断模型开放框架，以实现辨识框架更新和未知故障诊断；搭建了多故障诊断的仿真平台，进行了仿真实验和方法完善。此外，还研究了基于高效递推规范变量分析的时变过程在线检测方法，基于特征空间的k-NN扩散距离的故障检测方法，基于加权k近邻标准化方法的多模态故障检测方法，以及基于分布式PCA的工业过程故障检测及异常变量的初步识别等方法。同时，本课题在融合理论研究成果的基础上，设计出一套全面系统的多故障诊断方法，并搭建了复杂工业过程多故障诊断仿真实验平台，对多故障诊断方法进行了实验、改进、完善和优化，为多故障诊断方法在工业现场的推广及应用奠定了基础。. 基于以上研究成果，在国际学术期刊及重要国际会议上发表论文31篇，在国内学术期刊及国内重要会议上发表论文7篇。其中被SCI收录14篇，EI收录14篇。申报国家发明专利2项，其中已经授权1项。参加国内外（含香港地区）学术会议和学术交流20人.次。通过该项目的研究，培养中青年骨干教师1名；培养研究生12名，其中，博士研究生4名，硕士研究生8名；基于连续轧制过程半实物仿真实验平台，开发出多故障诊断方法测试平台一套，收集和整理现场测试数据超过1000GB。