文中还对TE化工过程进行了介绍，而且还用不同的判别分析方法对数据进行计算机程序实现，比较线性，非线性和距离判别分析方法对数据处理的正确率，再选择一种较好的判别分析方法对不同变量的正确率比较，得出较优组合变量，以实现在TE化工过程上。最后，对于故障诊断方法的发展前景进行了展望。
本文以TE模型为背景，根据模型的特点进行故障诊断。TE(Tennessee Eastman)过程是 Downs与 Vogel于 1993年在 Computer&Chemical Engineer杂志上发表的一个典型的化工过程，取材于美 国 Tennessee Eastman公司一个化工厂，与实际模型基本相同。TE过程主要包括 5个典型的反应单元：反应器、冷凝器、气液分离器、解吸塔、循环压缩机，整个生产过程有4个反应，生成 2种产物。同时存在的还有一种副产物和一种惰性物。反应变量共 8个：A，C，D，E为原料(气体)；B为惰性物质；F为反应副产品(液体)；G，H为反应产品(液体)。气态反应物进入反应器，在催化剂的作用下，生成液态产物。反应器有一个内部的冷凝器，用来移走反应产生的热量，产物以蒸汽形式离开反应器，并伴随着尚未反应的部分反应产物，经过一个冷凝器，到达
将多种故障诊断方法相结合能够充分地获取知识、利用知识，进而提高故障诊断系统的性能，主要的研究方向有：
(1)专家系统与神经网络的结合：神经网络实现的是右半脑直觉形象思维的特性，而专家系统理论与方法实现左半脑逻辑思维的特性，二者有着很强的互补作用。因此，可以利用神经网络的自学习、并行运算等优点来弥补专家系统的知识获取困难和知识推理的无穷递归等不足。但神经网络模型和算法的不成熟和缺乏推理解释能力成为神经网络应用的最大不足。
(2)将具有自学习特性的神经网络和具有局部刻画能力的小波结合起来所形成的小波神经网络具有自适应分辨性和

本生物化学毕业设计“基于判别分析的化工过程故障诊断方法及应用示例”论文由清风毕业设计网[www.lunwen550.com]征集整理！