征组合成个等长的特征向量，然后运用进行过程监视。本文方法的检测结果如图所示。本文方法检测出了故障和，同样没有显示在图中。时间二〇四年六月二十二日星期日图方法的监测图图本文方法的监测图两种方法的检测结果对比如表所示。从表可以看出，本文方法和传统对正常批次的检测率均为本文对故障批次的故障检测率为，而传统的的检测率为。证明运用本文方法进行检测的准确率远远高于传统的方法，大大提高了故障检测率，减少了故障的误报率和漏报率。表监测结果对比二〇四年六月二十二日星期日方法校验批次总数检测的校验批次总数校验批次检测比例故障批次总数检测的故障批次总数故障批次检测比例本文方法表是在平台下传统和本文方法故障检测所需的时间。由表可知，方法需要计算维的协方差矩阵，而本文方法协方差矩阵的维数仅为，减少了存储空间。与方法相比，本文方法降低了特征向量的维数，但是故障检测时间仅比方法减少了秒。这是由于本文方法在运用进行故障诊断之前，需要先计算统计特征向量，增加了时间。表和本文方法故障检测对比方法特征向量大小协方差矩阵大小故障检测时间本文方法本章小结传统的方法可以有效的对等长批次生产过程中存在的故障进行检测和诊断，但是由于间歇过程具有间歇性操作的不确定性反应过程的多模态及不等长等特性，致使不能直接应用于间歇过程故障诊断。本章提出的基于统计特征的不等长间歇过程故障诊断方法可以有效的解决这些问题，使故障检测结果更加准确。同时，本章所介绍的算法减少了计算量和存储空间，降低了故障检测时间。二〇四年六月二十二日星期日第四章总结和展望总结伴随着现代工业生产技术和科学的大力进步，生产装置向大型化结构复杂化的趋势变得非常明显，在这方面虽然大幅度提高了生产效率，但同时，生产过程发生事故的可能性也大大增加。传统的控制理论中的故障诊断方法主要是建立在系统的精确模型基础上的，这对于反应机理复杂非线性时变性等扰动严重的复杂工业过程在应用中是较难实现的。随着计算机技术的快速发展，导致及各种数字化控制设备如智能化仪表在工业过程中的广泛应用，可以采集得到大量的过程数据，通过对这些过程数据的处理，从中挖掘出过程运行的有用信息，借此提高工业过程控制的精度是目前控制领域研究的热点问题之。本文介绍了几种基于多元统计方法的间歇过程故障诊断中能应用到的算法，如等，并着重介绍了基于统计特征的不等长间歇过程的故障诊断算法。应釜中，该阶段是整个间歇过程的初始准备阶段反应阶段是整个间歇过程的核心，它要求反应釜内的各过程变量如温度断出生产过程的异常事件的根源，进而指导操作员正确地处理过程异常。间歇反应过程具有生产灵活性产品多样性设备简单性的特点，在高分子聚合物药品生化等领域得到了广泛的应用。间歇过程般有个确定的有限来代替操作员的判断可增加设备运行的安全性，保证产品的质量的同时也降低了成本，尤其可以最大限度地避免严重的过程颠覆事故。过程故障诊断技术的任务是选取方便而且有效的方法来发现过程中的异常事件，并且识别和诊，维持生产稳定，对于流程工业长期安全稳定运行具有十分重要的意义。过程故障诊断技术就是为适应工程需要而形成和发展起来的。过程故障诊断技术为提高复杂工业系统的可靠性开辟了条新的途径。以自动故障检测与诊断。如年月日吉林省宝源丰禽业公司爆炸事故，已造成人遇难湖南省邵东煤矿发生爆炸事故陕西兴化集团硝铵装置特别重大爆炸事故。由此可见，切实保障现代复杂工业系统的可靠性与安全性，降低事故发生率界现代经济的快速发展和流程工业规模的不断扩大，工业过程的复杂性也随之不断的提高，生产和加工方法主要有化学反应分离混合等，涉及石油化工发电钢铁等行业。旦发生事故，将会造成巨大的经济损失和人员伤亡二〇四年六月二十二日星期日第章绪论引言随着世，二〇四年六月二十二日星期日基于统计分析的故障诊断是故障诊断技术的重要组成部分之。本文以提高不等长间歇过程故障诊断的性能为目的，深入研究了基于统计特征的不等长间歇过程故障诊断算法，并对半导体工业实例堆腐蚀过程进行了具体地分析与仿真，取得了预期的效果。本文首先研究了基于多向主元分析，方法在故障监测与诊断过程中的应用。其次，在分析了多向主元分析方法进行故障监视和诊断的局限和缺点的基础上，深入研究了基于统计特征的不等长间歇过程故障诊断算法。通过基于统计特征的不等长间歇过程故障诊断算法，可以先计算每个不等长批次的均值偏度峭度方差和任意两个变量之间的欧氏距离，然后将这些统计特征组合成个等长的特征向量，再利用主元分析，进行过程监视。根二〇四年六月二十二日星期日据半导体工业实例的仿真结果，基于统计特征的不等长间歇过程故障诊断算法与传统的多向主元分析方法相比，不仅可以减少建模过程的计算量，而且其故障诊断率提高了，还大大减少了故障检测时间，因此该算法具有很好的故障诊断性能。关键词故障诊断不等长间歇过程统计特征多向主元分析，二〇四年六月二十二日星期日