1、化学工程专业毕业论文 精品论文 基于多尺度主元分析的丙烯聚合过程故障诊断研究关键词：丙烯 聚合过程 故障诊断 多尺度主元分析 小波变换摘要：针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，
2、把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。正文内容针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论
3、为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该
4、方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波
5、阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断
6、的准确性。针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩
7、阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下：
8、针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断
9、到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在
10、单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相
11、关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将
12、改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除
13、噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。针对丙烯聚合过程的特
14、点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型
15、进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据
16、时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 P
17、CA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。针对丙烯聚合过程的特点，本文提出了一种改进多尺度主元分析方法.该方法以小波分析和主元分析的基本理论为基础，将主元分析去线性变量相关性的能力和小波变换提取变量局部特征和近似分解变量自相关性的能力综合起来应用于故障检测，具体研究工作如下： 针对传统主元分析在处理含噪数据时的不足，提出了一种将小波变换、小波阈值去噪和主元分析结合的方法。首先利用小波阈值去噪对原始数据预处理，去除噪声和异常点；然后应用小波多尺度分解将每个变量依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独矩阵中，在各个尺度矩阵建立
18、相应的 PCA 模型，以模型统计量控制限为阈值，对小波系数重构，得到综合尺度矩阵，利用综合尺度 PCA 模型进行故障检测，将此方法运用于一个典型算例中，取得了较好的故障检测效果，证实了该方法的有效性和可行性。 最后将改进 MSPCA 方法应用于聚丙烯环管聚合过程。应用结果表明，改进方法能够及时检测到过程异常情况，并准确诊断到故障发生的原因。与传统的 PCA、MSPCA 相比，改进 MSPCA 减少了误报率和漏报率，提高了故障诊断的准确性。特别提醒 ：正文内容由 PDF 文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软件，下载地址为 http:/ 。如还不能显示，可以联系
19、我 q q 1627550258 ，提供原格式文档。“垐垯櫃 换烫梯葺铑?endstreamendobj2x 滌?U 閩 AZ箾 FTP 鈦X 飼?狛P? 燚?琯嫼 b?袍*甒?颙嫯?4)=r 宵?i?j 彺帖 B3 锝檡骹笪 yLrQ#?0 鯖 l 壛枒l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛渓?擗#?“?# 綫 G 刿#K 芿$?7. 耟?Wa 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 皗 E|?pDb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$F?責鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵秾腵薍秾腵%?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍
