基于ANN和PCA的多牌号产品生产过程故障检测和诊断

摘要：

多牌号产品生产过程经常涉及到牌号过渡，如果采用传统的单一方法，对于其生产过程的故障检测和诊断无法得到满意的结果。本文将人工神经网络（ANN）用于牌号识别，提出了牌号识别和主成分分析（PCA）相结合的方法，即利用历史数据建立各个牌号的神经网络模型，在线数据经过BP神经网络（BPNN）识别，确认牌号类型后，调用对应牌号的PCA模型进行故障检测和诊断。结果表明，BPNN不仅可以准确识别牌号，识别率较规格界限法更高，而且能用于牌号过渡过程的判断。另外，与不进行牌号识别，而仅采用单一牌号正常样本或者所有牌号正常样本混合建立的PCA模型相比较，采用牌号识别后进行故障检测时的精度更高，证明了该方法的有效性。

关键词： 产品生产过程 人工神经网络 PCA模型 牌号识别 故障诊断

作者: 李文科 钟向宏 赵劲松

作者单位: 清华大学化工系,北京 100084 茂名石化,广东 茂名 525000

会议类型: 国内会议

会议名称: 2009中国过程系统工程年会(PSE)暨2009中国MES年会

会议地点: 杭州

会议语种:中文

页码: 1-7

在线出版日期: 2009-09-22（万方平台首次上网日期，不代表论文的发表时间）