基于ICA的工业过程监控技术研究
基于核独立元分析的间歇过程在线监控
摘 要 ：针 对 间 歇 过 程 独 特 的数 据 特 点 ，提 出 了一 种 基 于 核 独 立 元 分 析 （ ｅｎ ｌ Ｃ ｋ ｒｅ Ｉ Ａ） 的 局 部 在 线 建 模 监 控 方 法 。 核 独 立 元 分 析 通 过 规 范 相 关 性 将 比较 函数 扩 展 到 一 个 再 生 的核 希 尔 伯 特 空 间 ，并 用 核 的 方 法 在 此 空 间 对 比 较 函
在mica的监控图中只有12监控图能监测到故障的发生而基于kernelica方法的监控如图5bc所示两个统计量在150速上升超过99的控制限能准确及时地检测到故障说明了kernelica算法是一种比传统的ica算法更有效的特征提取方法并且对源数据的分布有较宽的适应性在间歇过程监测中有更好的监控效果
第６卷 １
Ｔｅ ｈ ｏ ｏ ｃ ｎ ｌ ｇｙ， Ｓ ａ ｇ ａ ０ ２ ７ Ｃ ｉ ａ） ｈ ｎ ｈ ｉ２ ０ ３ ， ｈ ｎ
Ａｂ ｔ ａ ｔ Ａ ｏ ｅ ｂ ｔ ｈ ｐ ｏ ｅ ｓ ｍｏ ｉ ｒｎ ｐ ｒ ａ ｈ ｂ ｓ ｄ ｏ ｅ ｎ ｌｉ ｄ ｐ ｎ ｅ ｔ ｃ ｍｐ ｎ ｎ ｎ ｌ ｓｓ ｓｒ ｃ ： ｎ ｖ ｌ ａ ｃ ｒ ｃ ｓ ｎ ｔ ｉ ｇ ａ ｐ ｏ ｃ ａ ｅ ｎ ｋ ｒ ｅ ｎ ｅ ｅ ｄ ｎ ｏ ｏ ｅ ｔ ａ ａ ｙ ｉ ｏ （ ｅ ｎ ｌ ＣＡ ） ａ ｄ ｏ ａ ｍ ｏ ｅ ｉ ｇ ｋｒｅ Ｉ ｎ ｌ ｃ ｌ ｄ ｌ ｗａ ｐ ｏ ｏ ｅ ． ｒ ｅ ＣＡ ｉ ｎ ｍｐ ｏ ｅ ｉ ｄ ｐ ｎ ｅ ｔ ｏ ｏ ｅ ｔ ｎ ｓ ｒ ｐ ｓ ｄ Ｋｅ ｎ ｌ Ｉ ｓ ａ ｉ ｒ ｖ ｄ ｎ ｅ ｅ ｄ ｎ ｃ ｍｐ ｎ ｎ ａ ａ ｙ ｉ （ ＣＡ ） Ｉ ｓ ｓ ｃ ｎ ｒ ｓ ｕ ｃ ｉ ｎ ａ ｅ ｎ ｃ ｎ ｎ ｃ ｌ ｏ ｒ ｌ ｔ ｎ ｎ ａ ｒ ｐ ｏ ｕ ｉ ｇ ｋ ｒ ｅ ｉ ｅ ｔ ｎ ｌ ｓｓ Ｉ ． ｔｕ ｅ ｏ ｔ ａ ｔｆ ｎ ｔｏ ｓ ｂ ｓ ｄ ｏ ａ ｏ ｉａ ｒ ｅ ａ ｉ ｓ ｉ ｅ ｒ ｄ ｃｎ ｅ ｎ ｌＨ ｌ ｒ ｃ ｏ ｂ
ICA介绍以及背景
独立分量分析(independentcomponentanalysis,ICA)方法是从一组观测信号中提取统计独立分量的方法。
因为用这种方法分解出的各信号分量之间是相互独立的,而测得的脑电信号往往包含若干相对独立的成分,所以用它来分解脑电信号,所得的结果更具有生理意义,有利于去除干扰和伪差。
本文简要地回顾了ICA的发展历史和主要算法,综述了它在脑电信号处理中的应用及研究进展,并指出了需要进一步研究解决的问题。
独立成分分析(ICA)是一项把混合信号分解成具有统计独立性成分的新技术。
ICA近年已在生物医学和雷达等领域的信号分离中展示了很好的应用前景。
我们比较系统地介绍了ICA 的基本原理、主要算法、应用和将来ICA研究的发展方向,旨在进一步推动有关的理论与应用研究工作ICA(独立成分分析)是一种将混合信息分解为几个统计独立成分的线性组合的新方法,它能够有效地提取混合信息的主要特征。
通过对过程数据进行ICA分析,确定独立元,建立独立成分模型,利用统计量控制界限值和变量对统计量的贡献率监测生产过程状态,并对于异常状态给出引起异常的原因。
在聚合反应过程中的应用说明了该方法用于对生产过程进行监控与故障诊断的有效性。
独立成分分析(ICA)是一项把混合信号分解成具有统计独立性成分的新技术.ICA近年已在生物医学和雷达等领域的信号分离中展示了很好的应用前景.我们比较系统地介绍了ICA的基本原理、主要算法、应用和将来ICA研究的发展方向, 旨在进一步推动有关的理论与应用研究工作.摘要人类对技术的追求永无止境，保障生产安全和减小产品质量波动一直是工业生产过程的两大追求目标。
在工业生产过程中，及时有效地发现、检测和修复过程故障是提供性能优良、品质一致产品的先决条件，这也是进行工业过程监控的目的和动机。
工业过程监控技术从单变量过程监控算起，已有近七十多年的历史，但基于多变量信息的过程监控技术至今也不过十几年的时间。
在此领域虽已获得了大量成果，但研究基本上是在过程检测数据服从多元正态分布和独立同分布的两个假设下进行的。
基于最小均方误差准则的ICA过程监控方法
第42卷第11期2013年11月热力发电T H E R M A L P O W ER G E N E R A T l0NV01．42N o．1lN O v．2013巷于最小t多方误夏l；压则钐I C A@哥霉监棺方占乏王靖程，任志文，舒西安热工研究院有限公司，陕进，周西西安昭亮710043[摘要]独立成分分析(I C A)近年来在过程监控领域获得广泛关注。
针对I C A的数据降维问题，提出了一种基于最小均方误差准则的I C A降维算法(M SE—I C A)并给出了数学证明。
该算法按照最小均方误差估算独立成分的重要性进行排序，能够准确选择影响过程状态的关键隐变量，有效增加基于I C A的过程监控算法的鲁棒性，集中监控对过程状态变化起决定作用的成分，从而有效提高了过程监控算法的性能。
仿真试验和某电厂制粉系统故障数据测试均表明，该方法能够显著降低过程监控方法的漏检率，提高检测的可靠性。
[关键词]锅炉；制粉系统；过程监控；最小均方误差；I C A；M SE-I C A[中图分类号]T P277r[文献标识码]A[文章编号]1002—3364(2013)11一0121一06[D oI编号]10．3969／j．i s sn．1002—3364．2013．11．121A m i ni m umm e an s quar e e r r or bas e d noV el pr oces s m O ni t or i ngm et hO d w i t h i ndependent cO m ponent ana l ys i sW A N G J i ngcheng，R E N Z hi w en X i，a n T her m al P ow e r R e s ear c h I ns t i t ut e Co．，Ltd．，S H U J i n，Z H O U Z ha01i a ng ，C hi n a H uane ng G r oup，X i，an710032，C hi naA bst隐c t：R e cent l y，i ndependent com ponent ana l ys i s(I C A)has at t r ac t ed w i de at t ent i on i n pr oc es s m oni t or i ng．T hi s ar t i cl e pr oposed a novel di m ens i on r educ t i on m e t hod of I C Af or pr oc es s m oni t o—r i ng，on t he basi s of m i ni m um m ean squar e er r or(M SE)，and t he m at hem at i cal pr oof w a s pr esen—t e d．T he or der of t he i ndependent com ponent s(I C s)w a s r anked a cc or di ng t o t hei r i m por t ance e s—t i m a t e d by t he M SE，and co r r ec t l at ent va r i abl es w er e se l ect e d t o i m pr ove t he per f o r m ance of pr oc es s m oni t or i ng bas ed on I C A．T he pr oposed di m ens i on r educ t i on m et hod w as appl i ed t o f aul t de t ect i on i n a pr oc es s si m ul at i on and t he da t a of pul ve r i z i ng s ys t em i n pow er pl ant under f aul t condi t i on．T he r esul t s ver i f i ed t hat t hi s m et hod c oul d decr e ase t he m i s s de t ect i on r at e and enhance t he de t e ct i on re l i a bi l i t y．K e y w or ds：i nde pendent com ponent ana l ysi s；pr ocess m oni t or i ng；m i ni m um m e a n s qua r e er r or；pu卜ver i z i ng s yst em电力工业向高参数、大容量机组的发展要求生产过程更加稳定、可靠，因此及早发现系统异常和准确判断故障区域尤为重要。
211086671_厂级监控信息系统(SIS)在热电厂自动化系统中的应用
110研究与探索Research and Exploration ·工艺流程与应用中国设备工程 2023.04 （下）1 概述SIS 系统应单独组成独立网络，并与生产自动控制系统（如DCS、辅控等）和热电厂管理系统实行连接。
SIS 与管理信息系统的信息流向应单向设计，实行单向物理隔离，只允许SIS 向管理信息系统发送数据。
对于SIS 需要向DCS 发送开关、启停数字量指令或模拟量指令（如设定压力、温度值）时，应采用接硬线方式进行连接。
SIS 网络安全装置（含软、硬件，如单向物理隔离装置）应符合国家标准，并通过国家认证。
能有效防止病毒和非法入侵，保证热电厂各个系统的正常运行。
2 SIS 系统总设计原则 SIS 系统总设计应符合本热电厂现场具体条件、实际需要、相关技术规范要求，符合国内外最新规范、标准。
在保证系统能正常运行的前提下，保证系统安全稳定、适用可靠，并具有一定的可扩充能力。
（1）一致性。
SIS 系统生产过程画面完全按照DCS 系统画面、流程图进行设计，使SIS 系统界面与DCS 画面一致，便于工作人员查看和操作。
（2）安全可靠性。
设计方案所用软件应安全可靠。
（3）技术成熟先进性。
设计方案所用技术应成熟先进，不仅能满足热电厂当前需求，还应考虑到长远规划，以获得更大的经济效益。
（4）标准性和开放性。
方案尽量选用标准和开放的技术和软件，同时，应保证系统有较好的互操作性。
（5）可扩展性和可管理性。
设计方案时，应考虑使用单位应用需求的变化，使系统能方便地扩充和升级并始终处于可管理状态。
3 SIS 系统软件配置原则（1）SIS 系统所用全部软件应具有良好的兼容性，并应具备兼容认证文件。
（2）SIS 系统中数据可以被系统中各种应用使用。
当多个用户同时共用同一组数据时，数据应正确、一致和唯一。
（3）SIS 系统应能单点登录，当需要查看某个单点厂级监控信息系统(SIS)在热电厂自动化系统中的应用梁海娟，崔国中（山东滨海能源有限公司，山东 潍坊 262737）摘要：iCanSis 厂级监控信息系统(SIS) 是集过程监视、控制、优化和生产管理为一体的系统。
ica概念 -回复
ica概念-回复ICA（Independent Component Analysis，独立分量分析）是一种多变量统计方法，旨在从多个输入信号中提取独立的源信号。
这项技术最早由芬兰科学家Aapo Hyvärinen于1997年提出，被广泛应用于信号处理、图像处理、脑电图分析等领域。
本文将以ICA概念为主题，逐步回答有关ICA的相关问题。
第一部分：ICA是什么？ICA是一种基于统计独立性原理的信号处理方法，旨在从混合信号中分离出独立的成分。
它与常见的信号处理方法（如傅里叶变换、小波变换等）不同，ICA不仅可以解决线性信号的分离问题，还可以处理混合信号具有非线性关系的情况。
第二部分：ICA的原理是什么？ICA的原理基于统计独立性的概念，假设混合信号可以表示为独立成分的线性组合。
首先，ICA会对混合信号进行预处理，以消除可能的尺度差异和均值偏移等影响。
然后，ICA采用统计学方法，通过估计数据的概率分布来找到最大独立性。
具体地说，ICA利用高阶统计信息（如高阶矩、高阶累积量等）来估计独立成分的参数，并使用迭代算法或最大似然估计等方法来求解估计问题。
第三部分：ICA的应用领域有哪些？ICA在信号处理和模式识别领域有广泛的应用。
其中，音频处理是ICA应用的一个重要领域，例如在语音分离、语音增强、音乐分析等方面可以得到良好的效果。
另外，ICA还被广泛应用于图像处理领域，如图像分割、图像检索等。
此外，ICA还可以用于脑电图(EEG)分析、心电图(ECG)分析等生物医学信号处理领域。
最近，ICA还被应用于神经影像数据的处理，如功能性磁共振成像(fMRI)。
第四部分：ICA的优点和局限是什么？ICA具有以下几个优点：首先，ICA能够提取出混合信号中的独立成分，使得信号的各个成分可以得到更好的理解和研究。
其次，ICA不需要对混合信号的数据进行先验知识的约束，可以直接从原始数据中提取信息。
此外，ICA还可以处理非高斯分布的信号，这在很多实际应用中具有重要意义。
计算机视觉技术在工业检测与质量控制中的应用案例分享
计算机视觉技术在工业检测与质量控制中的应用案例分享随着科技的不断进步，计算机视觉技术在工业检测与质量控制中的应用越来越广泛。
计算机视觉技术利用数字图像处理及模式识别等方法，能够对工业产品进行自动检测和质量控制，提高生产效率和降低成本。
本文将分享两个计算机视觉技术在工业检测与质量控制中的经典应用案例。
第一个案例是在电子制造业中的焊接质量控制。
焊接是电子制造中常见的连接方法，焊接质量直接影响到产品的可靠性和性能。
传统方法需要依靠人工进行焊接质量的检测，费时费力且误差率较高。
而借助计算机视觉技术，可以实现自动化的焊接质量检测。
在这个案例中，计算机视觉系统通过摄像头捕获焊接过程中的图像，并通过图像处理算法提取焊缝形状、焊接温度等关键参数。
然后，计算机视觉系统利用先进的模式识别技术和机器学习算法，对焊接质量进行评估。
如果检测到焊接缺陷，系统将自动发出报警信号，通知工人进行修补或更换焊接位置。
这种计算机视觉技术在焊接质量控制中的应用，有效减少了人工检测带来的工时和错误率，并提高了焊接质量的稳定性和一致性。
同时，通过实时监测焊接过程，还可以及时发现潜在的问题并采取相应措施，从而提高了制造效率和降低了不良品的产生率。
第二个案例是在制药行业中的药片质检。
药片是制药行业中常见的产品，保证药片质量的稳定性和一致性对于药物疗效和安全性至关重要。
传统的药片质检需要依靠人工进行目视检查，不仅费时费力，而且容易出现漏检和误判的情况。
利用计算机视觉技术可以实现快速、准确的药片质检。
在这个案例中，计算机视觉系统通过高分辨率的图像传感器获取药片的图像，并利用图像处理算法提取药片的形状、颜色、纹理等特征。
然后，系统根据预先训练好的模型和算法，对药片的各项质量指标进行评估。
如果检测到质量异常的药片，系统会自动将其分离出来，以确保只有合格的药片进入市场。
计算机视觉技术在药片质检中的应用大大提高了质检的效率和准确性。
相比传统的人工质检，计算机视觉系统可以更快速地完成质检过程，并减少了由于人为因素而引入的错误和漏检率。
基于I 2C总线的CPU温度监控系统
１ １Ｃ主设 备 首 先 启 动 一 次 写 周 期 ， 据 线 上 的 ）２ 数 第一 个 字节将 被 默认 地写 入地 址 寄存器 。
２ 在 第二 个 数据 周 期 ， ） 主设 备 将 控 制命 令 写 入 配
置寄 存器 。
３ Ａ Ｔ４ １开始工 作 ， 集 本 地 或 远程 温度 值 并 ） Ｄ ７６ 采
第４卷 ２
第 ４期
航 空 计 算 技 术
Ａｅ ｏ ａ ｔｃ ｌＣｏ ｕｔ ｃ ｉ ｕ ｒ ｎ ｕ ｉａ ｍｐ ｉ Ｔｅ ｈｎ ｑ ｅ ｎｇ
Ｖ０ ＿ ｌ４２ Ｎｏ． ４
２１ ０２年 ７月
Ｊ １２ １ ｕ． ０ ２
基 于 Ｉ Ｃ总 线 的 Ｃ Ｕ温 度 监 控 系 统 ２ Ｐ
图 １ Ａ Ｔ ４ １内部 结 构 图 Ｄ ７６
从 设 备 反 馈 应 答 信 号 Ａ Ｋ， 接 到 应 答 信 号 后 ， 设 Ｃ 再 主
８ Ｊ ｌ ９
Ｓ Ａ ｆ Ｏ ｊ Ａ Ａ Ａ Ａ Ａ 州 Ｉ 』 ×Ｉ ×Ｊ ０Ｊ １ ２ ３ ４ ５ ６Ｉ ７ Ｄ Ｉ Ａ Ａ１Ｉ ２Ｉ ３ｌ ４Ｉ ５Ｉ ６Ｊ × ｘ Ｄ Ｄ Ｉ Ｉ ｌ Ｉ Ｒ Ｄ Ｉ Ｄ Ｄ Ｄ Ｄ Ｄ
存 于温度 寄存 器 中。 ４ 温度寄存 器与温度 界限寄存器 中的值进 行 比较 。 ） ５ 如 果温 度超 过 阈值则 产 生报 警信 号 Ａ Ｅ Ｔ ） ＬＲ 。 ６ ＩＣ主设 备 通 过 读 取 Ａ Ｔ ４ １设 备 地 址／ 空 ） Ｄ ７６ 清
过 １Ｃ总 线 ， 成 Ｃ Ｕ与 Ａ Ｔ４ １的互 联 ， ２ 完 Ｐ Ｄ ７６ 实现 处 理
木
。
．
ｃ ￣ Ｐ ｕ
１
川门 皿 不
２１ ０ ２年 ７月
基于独立成分分析(ICA)的分类研究及在蛋白分类中的应用
共获得 ７ ６组 不 同种类 的嗜热 蛋 白序列 。然后 再寻
独 立 成 分 分 析 方 法 （Ｃ ） 近 几 年 才 发 展 起 来 ＩＡ 是
的一种新 的统计方法。应用该方法 的 目的是将观察
找其 对应 的常温蛋 白 ， 共计 ７ ６组 ， 取其 中的 ６ Ｏ条常 温数据用于测试 。另外 的 ２ ０组嗜热和 ２ ０组 常温蛋 白的 Ｐ ＢＩ 源于文献 ［ ］ 根据 Ｉ Ｄ Ｄ来 ４， Ｄ号从 Ｐ Ｂ下 Ｄ
． （ ）＝ ［ ｛ （ ） 一Ｅｌ （） ］ ， Ｇ甜 ｝ ｝ Ｇ （） １
方法 ， 并具体将该方法用于蛋 白的分类。 蛋 白质的热稳定性一直是生物物理和生物技术
领域研 究的热点 ， 嗜热酶作 为生物 催化剂 有许 多 而
优 势 ， 而它 成 为 相 关 研 究 的一 个 重 点 。很 多 文 献 因
载其 序列 ， 见表 １ 。
３ Ｉ Ａ算 法 及 应 用 Ｃ
３ １ Ｉ Ａ 原 理 ． Ｃ
到的数据进行某种线性 分解 ， 其分解成 统计 独立 使 的成分 。与 Ｐ Ａ 相 比 ， Ａ能更 本 质地描 述过 程 Ｃ Ｉ Ｃ
特征且需处理的独立元数 目较 主元数 目更少。该方
法在特征提取 、 过程监控 、 盲源信 号分 离 、 生理学 数
报道了此类研究工作 ， 但大 多采用 比较传统 的统计 分类方 法。例如 ： 文献 ［ ］ ２ 利用 了 Ｐ Ａ、 最小二乘 Ｃ 偏 回归和 Ｂ Ｐ神经网络三种方法进行分类 ； 文献 ［ ］ ３ 用
支持向量机进行分类 。本文研究 了基 于 ＩＡ方法 的 Ｃ 蛋 白分类 问题 。为 了便于开 展工作 ， 文首先 建立 本
研 究 与 应 用
化 动 及仪 ２１ ３（ ） ６ ８ 工自 化 表，０ ，７１ ： ～９ ０ ２８
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(4)在分析了传统的多聚合过程的监控进行了初步的研究
,工业实例表明了该方法的有效性。
本文链接:/Thesis_Y1267211.aspx
授权使用:中国科技大学(wfzykjdx),授权号:287b3e08-01c3-474f-b466-9de60164d80c
下载时间:2010年9月3日
(1)介绍了工业过程建模与监控的有关知识;引入了主成分分析与偏最小二乘回归等多元统计与回归方法,并分析了其基本思想与优缺点。
(2)针对丙烯聚合过程的强非线性、多变量相关性以及多尺度特性,提出将主成分分析、多尺度系统理论和人工神经元网络相结合的PCA-MSA-RBF模型,用于熔融指数的预报,取得了较好的效果。
在过程建模方面,本文利用九十年代中期发展起来的新技术——支持向量机(SVM)进行回归建模。作为一种基于统计学习理论的学习机器,支持向量机表现出良好的泛化能力和学习性能。对于轧钢加热炉这样一个工艺过程复杂,具有非线性和滞后性特点的系统,本文通过仿真研究表明,支持向量机对出炉钢温建模表现出很好的逼近能力,可以满足工程精度要求,达到了对出炉钢温进行预报的目的。
北京化工大学
硕士学位论文
基于ICA的工业过程监控技术研究
姓名:滕建
申请学位级别:硕士
专业:控制理论与控制工程
指导教师:李宏光
20080606
基于ICA的工业过程监控技术研究
通过对三容水箱系统的仿真研究,证明该系统框架具有良好的监控性能,可以获得比较理想的故障诊断结果。
最后,在总结全文的基础上,提出了有待于进一步研究的方向
2.学位论文施健工业过程统计建模与监控方法研究2006
工业过程系统建模与监控是正确指导生产、保证安全生产的重要手段,也是进行过程优化与控制、保障生产过程平稳运行的基础。工业生产过程通常都存在着高度非线性与不确定性,工艺机理复杂,设备工段繁多,因此采用机理建模方法以及基于数学模型的监控方法来研究这些过程都存在相当大的难度。由于目前底层基本控制系统及数据库技术的普及,生产过程的数据很丰富,故常可以考虑建立描述对象外特性的统计模型。统计建模与监控方法一般对系统内部机理的了解要求很少,甚至可以在完全不了解系统内部结构和机理的情况下建立模型。丙烯聚合过程机理复杂,生产工艺多样。熔融指数(MI)是确定产品牌号的重要指标,由于缺乏在线分析仪表,测量间隔和迟延很大,给质量控制带来了不利的影响,特别是在产品牌号切换过程中会产生大量的不合格料,带来了经济上的损失。本文的研究正是着眼于统计方法在工业过程特别是丙烯聚合过程中的应用,主要的工作与成果有:
在故障诊断方面,本文提出了一种基于独立成分分析(ICA)与支持向量机(SVM)对系统性能进行监控的整体框架。这一框架包括两个方面:
(1)通过ICA进行特征提取,对监测系统进行降维,得到主要特征统计量。利用核密度估计方法确定控制限,从而建立起在线监测模型。
(2)利用SVM训练多故障分类器,当监测到故障发生时,通过SVM故障分类器检验确认是否为故障,并且辨识出是哪一类故障。
作者:滕建
学位授予单位:北京化工大学
1.学位论文杨劭伟基于SVM、ICA方法的过程建模与故障诊断研究2007
随着计算机技术在工业过程控制中的广泛应用,大量的过程数据被采集并存储下来,但是这些包含过程运行状态信息的数据并没有被有效地利用
,以致出现了所谓的“数据丰富,信息匮乏”的现象。本文以多变量统计过程控制领域为研究背景,从这些存储的数据中挖掘出过程运行的深层次信息,充分利用这些信息进行过程建模和故障诊断。