PAGE\*MERGEFORMATV各专业全套优秀毕业设计图纸MACROBUTTONMTEditEquationSection2EquationChapter1Section1SEQMTEqn\r\h\*MERGEFORMATSEQMTSec\r1\h\*MERGEFORMATSEQMTChap\r1\h\*MERGEFORMAT基于聚类分析的间歇过程时段划分的MPCA建模的故障分析摘要对于具有过渡特性、多阶段特性的间歇过程的故障检测是非常复杂的。间歇过程最基本的特征就是多阶段，每个阶段操作条件、参数等特性都有一定的差异。由于对于间歇过程的建模和故障诊断都要求对数据进行预处理才能得到有效的检验结果，所以需要找到合适的方法对间歇过程进行阶段划分，才能有效提高建模和故障诊断的准确性。为了实现更加准确地对间歇过程进行阶段划分，最终实现更加精准、有效的故障检测及诊断，降低系统误报率。本文采用一种基于马氏距离的K-means聚类算法，该方法依据基于协方差距离的方法实现对间歇过程的阶段划分，在MATLAB编程环境下，完成基于马氏距离的间歇过程时段划分算法程序的整体设计方案，编写马氏距离实现以及K-means聚类算法的相应程序，完成对间歇过程进行划分的实现；最后通过Pensim青霉素发酵仿真软件获取青霉素发酵过程的间歇过程仿真数据，设计基于多向主元分析（MPCA）模型的故障检测方法，并利用MPCA建模对基于马氏距离的K-means聚类划分的子时段进行故障检测。实验结果表明，在K-means聚类算法对间歇过程进行分段模块，基于马氏距离的K-means聚类方法的分段效果较符合生产实际；在故障检测的效果方面，基于马氏距离的K-means聚类的故障检测准确，误报率低，达到了预期效果。关键词：间歇过程；聚类分析；K-均值；马氏距离目录TOC\o"1-3"\h\z\uHYPERLINK\l"_Toc402384362"前言PAGEREF_Toc402384362\h1HYPERLINK\l"_Toc402384363"第1章绪论PAGEREF_Toc402384363\h2HYPERLINK\l"_Toc402384364"第2章基于聚类分析的间歇过程时段划分算法原理PAGEREF_Toc402384364\h3HYPERLINK\l"_Toc402384365"第2.1节聚类分析算法原理PAGEREF_Toc402384365\h3HYPERLINK\l"_Toc402384366"2.1.1聚类分析算法概述PAGEREF_Toc402384366\h3HYPERLINK\l"_Toc402384367"2.1.2K-means聚类分析算法原理PAGEREF_Toc402384367\h4HYPERLINK\l"_Toc402384368"2.1.3马氏距离基本原理PAGEREF_Toc402384368\h5HYPERLINK\l"_Toc402384369"2.1.4马氏距离与欧氏距离的比较PAGEREF_Toc402384369\h5HYPERLINK\l"_Toc402384370"第2.2节基于MPCA的故障检测原理PAGEREF_Toc402384370\h6HYPERLINK\l"_Toc402384371"2.2.1基于批次展开的MPCA方法原理PAGEREF_Toc402384371\h6HYPERLINK\l"_Toc402384372"2.2.2主元分析方法原理PAGEREF_Toc402384372\h7HYPERLINK\l"_Toc402384373"第2.3节总体方案设计PAGEREF_Toc402384373\h9HYPERLINK\l"_Toc402384374"第3章基于聚类分析间歇过程时段划分算法程序的设计与实现PAGEREF_Toc402384374\h10HYPERLINK\l"_Toc402384375"第3.1节数据获取及预处理模块设计与实现PAGEREF_Toc402384375\h10HYPERLINK\l"_Toc402384376"第3.2节基于K-means的聚类分析算法模块设计与实现PAGEREF_Toc402384376\h12HYPERLINK\l"_Toc402384377"第3.3节基于MPCA的故障检测模块设计与实现PAGEREF_Toc402