摘要：在这近二十年中，经济科技发展极快，复杂化也逐渐成为化工过程的一部分，具体变现为系统容易受到干扰、强相关性、非线性以及多模态等特征。这对于化工过程的控制以及安全有效地生产带来了巨大的挑战。若故障不能及时发现并处理，就会导致不同严重程度的后果。因此，各种不同的故障监测与诊断技术也随之发展。基于数据驱动的故障监测与诊断的算法直接从化工过程采集到的数据着手，分析数据，进行故障诊断。因此，对于日趋复杂的化工过程来说，对于基于数据驱动的算法进行深入研究不仅有理论意义更有实际研究价值。

本文主要研究基于数据驱动算法中的规范变量分析(CVA)算法，首先介绍了化工故障监测与诊断的背景与意义，以及其国内外研究现状。紧接着详细介绍了规范变量分析即将连续化工过程采集的历史数据与未来数据之间的相关度最大化，从而实现将高维数据进行降维，在系统过去和现在状态的基础上实现对未来输出的最优预测，达到过程辨识的效果的作用。文章介绍了规范变量分析的相关理论并列出了CVA的相关公式。最后本文使用典型田纳西-伊斯曼(TE)过程的所获得的正常数据与21种故障数据利用CVA对其数据进行仿真研究，TE产生的数据故障监测与诊断通过各种统计量来进行计算与判断，而连续化工过程的合理性也可使用TE过程仿真和规范变量分析(CVA)来验证。

关键词：规范变量分析；TE过程；故障监测；故障诊断

目录

摘要

Abstract

第一章 绪论-1

1.1 化工过程故障监测与诊断的背景与意义-1

1.2 化工过程故障监测与诊断的国内外研究现状-3

1.3 本文主要研究内容-5

第二章 规范变量分析-6

2.1 规范变量分析(CVA)简介-6

2.2 规范变量分析(CVA)原理-6

2.2.1规范变量分析的算法-6

2.2.2规范变量分析状态向量的构造-7

2.2.3规范变量分析的过程统监控计量-9

2.3 规范变量分析(CVA)的实现步骤-10

第三章 基于CVA的故障诊断系统仿真-13

3.1田纳西伊斯曼(TE)过程-13

3.2 TE过程仿真的结果与分析-18

第四章 结论与展望-24

4.1 结论-24

4.2 展望-24

参考文献：-26

致谢-28