文献综述
1、本课题研究的现状及发展趋势
为了提高现代工业过程的生产效率，近年来故障检测越来越重要．故障检测有三种主要方法:基于知识的方法、基于模型的方法、基于数据驱动的方法。
(1)基于解析模型的方法
其基本思想是建立被诊断对象的精确数学模型，通过将被诊断对象的可测信息与模型表达的系统先验信息进行比较产生残差，以残差为特征进行分析和处理来实现故障诊断。根据残差产生的形式，基于模型的诊断方法可分为状态估计法、等价空间法和参数估计法。
状态估计法又称基于观测器的方法，其基本思想是利用被诊断系统的数学模型和可测信息，设计相应的观测器或滤波器，然后由观测器（滤波器）的输出与实际系统的输出的差值构造残差发生器，再对残差进行评价、分析和处理，实现系统的故障检测与诊断。等价空间法的基本原理就是把测量到的系统输出信号投影到与系统能观测性子空间的正交补上，从而生成残差，并根据等价空间的故障方向确定故障的位置。也就是通过系统输入、输出(或部分输出)的实际值，检验诊断对象数学关系的等价性(即一致性)，以实现检测和分离故障。这些关系能给出表示传感器输出间静态代数关系的直接冗余，或诊断对象输入输出间动态关系的瞬时冗余。参数估计法是根据系统模型参数及相应的物理参数变化实现检测和分离故障的目的。与基于观测器方法不同之处：这种方法不需计算残差序列，直接根据参数变化的统计特性来检测故障的发生，较利于故障的分离，因此可以和一些状态估计法相结合对非线性系统进行诊断，以得到更好的故障诊断效果。
在过去的二十年中基于子空间辨识模型的方法吸引了过程建模和监控领域的学者和专家的关注．常规的子空间辨识方法包括规范变量分析(CVA)，子空间状态空间系统辨识的数值算法 ( N4SID )，多变量输出误差状态空间(MOESP)，CVA对线性过程静态操作条件表现出了非常好的性能。
针对许多工业过程需要进行预定的正常改变，比如设定值改变、化学反应器进料比的改变等．由于规范变量分析(CVA)不适应过程的时变特性，容易把正常的过程改变识别为故障。 导师商亮亮和其他学者提出了一种针对时变过程的故障检测方法，采用指数权重滑动平均来更新过去观测矢量的协方差矩阵．将基于一阶干扰理论的递推规范变量分析(RCVA－FOP)应用于田纳西伊斯曼化工过程中。仿真结果表明，所提出方法不仅能有效适应过程的时变特性，而且可以有效检测到故障4（反应器冷却水入口温度阶跃变化)和故障10(流2中C的进料温度随机变化)，降低了误报率，提高了过程的在线监控性能[]。
(2)基于知识的方法
基于知识的故障诊断方法不需要定量的数学模型，引入诊断对象多方面的信息，通过系统的因果模型、专家知识、系统描述或故障症状举例实现定性、定量知识的有机结合，进而实现故障诊断。基于知识的方法可分为基于症状的方法和基于定性模型的方法。基于症状的方法又可分为基于神经网络的方法、基于模糊推理的方法、基于专家系统的方法和基于模式识别的方法。基于定性模型的方法分为定性观测器、定性仿真、知识观测器和符号有向图。基于神经网络的方法可以直接接采用神经网络进行故障诊断，或者把神经网络作为一个模型，产生残差，然后对残差进行处理。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
