学位论文 > 优秀研究生学位论文题录展示
基于多变量统计分析的复杂工业过程故障诊断
作 者: 郭斌
导 师: 齐金鹏
学 校: 东华大学
专 业: 电力电子与电力传动
关键词: 特征矢量动态核主元分析 动态主元独立成分分析 故障诊断 工业过程
分类号: TP277
类 型: 硕士论文
年 份: 2014年
下 载: 60次
引 用: 0次
阅 读: 论文下载
内容摘要
随着当今工业技术的不断发展,现代工业过程的生产规模与日俱增,设备的结构越来越复杂,系统内部的联系越来越紧密。这种复杂大系统的某一部分一旦发生故障,就极有可能引起整个系统的瘫痪,导致停产和大规模的财产损失。因此,安全性在工业生产过程中占有极其重要的地位。而故障诊断技术显然是提升工业生产过程安全性的重要方法,因此对故障诊断技术进行研究具有极其重要的现实意义。在众多故障诊断技术中,基于多变量统计的故障诊断方法以其不需要系统数学模型、纯数据驱动的诊断方式和良好的实时监控性有着非常好的应用前景。本文以田纳西-伊斯曼过程(TEP)作为仿真和验证平台,选取了该过程中几种具有代表性的故障,详细研究了几种基于多变量统计的故障诊断方法在这些故障上的诊断性能:1、首先,研究了基于主元分析(PCA)的故障诊断方法,并用其对几种选出的TEP故障进行了诊断。仿真结果表明,传统的PCA方法只对其中1个故障有较好的故障诊断性能。2、其次,考虑到工业过程普遍具有动态性和非线性的特点,采用一种具有动态非线性特性的动态核主元分析(DKPCA)方法,并针对DKPCA进行诊断时运算时间较长的问题,将特征矢量选择算法(FS)与DKPCA相结合,构成特征矢量动态核主元分析(FS-DKPCA)故障诊断算法,大大减少了DKPCA的运算时间。仿真结果表明,FS-DKPCA对一些故障的诊断效果有所提升。3、最后,考虑到实际工业过程由于非线性和动态性的原因测量数据不呈高斯分布,引入了一种基于盲源分离思想的多变量统计方法——独立成分分析(ICA),并针对工业过程具有动态性和ICA对时滞增广矩阵进行处理时收敛速度慢的缺点,提出一种新的动态主元独立成分分析(DPCA-ICA)故障诊断算法,首先采用DPCA对数据进行降维预处理,然后再通过ICA算法提取独立元进行故障诊断。仿真结果表明,在用DPCA预处理数据后,ICA提取独立元的速度明显加快。基于DPCA-ICA的故障诊断方法对于大多数故障都有比较好的诊断性能。文中实验结果表明,和PCA方法相比,当系统运行在正常工况时,本文提出的故障诊断算法具有较低的误报率;当系统发生故障时,本文提出的方法对大多数故障具有更低的故障漏报率,并且能够正确识别出大多数故障,保证了系统安全、可靠地运行。
|
全文目录
摘要 5-7 ABSTRACT 7-10 第一章 绪论 10-18 1.1 课题研究背景及意义 10 1.2 故障诊断的概述 10-16 1.2.1 诊断思想 10-11 1.2.2 发展方向 11-12 1.2.3 诊断方法 12-16 1.3 多变量统计分析故障诊断技术的国内外研究概况 16-17 1.4 本文主要内容 17-18 第二章 TEP简介 18-25 2.1 概述 18 2.2 TEP的化工反应流程 18-20 2.3 TEP的运行模式 20-22 2.4 TEP的故障设定和样本获取 22-24 2.5 小结 24-25 第三章 基于PCA的TEP故障诊断研究 25-40 3.1 PCA原理分析 25-28 3.1.1 PCA的几何解释和本质 25-26 3.1.2 PCA的计算步骤 26-28 3.2 PCA的故障诊断 28-31 3.2.1 主元建模和主元选取 28-29 3.2.2 故障检测统计量 29-30 3.2.3 故障识别 30-31 3.2.4 在线监测步骤 31 3.3 仿真研究 31-38 3.3.1 置信限计算和算法评估标准 31-32 3.3.2 故障诊断分析 32-38 3.4 小结 38-40 第四章 基于FS-DKPCA的TEP故障诊断研究 40-60 4.1 DKPCA的基本概述 40-44 4.1.1 动态数据矩阵 40-41 4.1.2 KPCA基本原理 41-43 4.1.3 DKPCA的滞后系数 43 4.1.4 DKPCA的故障诊断 43-44 4.2 FS-DKPCA算法 44-47 4.2.1 FS算法的原理 44-46 4.2.2 改进的FS算法 46-47 4.3 FS-DKPCA的故障诊断 47-50 4.3.1 核主元建模 47-48 4.3.2 FS-DKPCA故障检测统计量 48-49 4.3.3 FS-DKPCA故障识别 49 4.3.4 FS-DKPCA在线监测步骤 49-50 4.4 仿真研究 50-59 4.4.1 FS与改进的FS运算时间及样本选择比较 50-52 4.4.2 DKPCA、FS-DKPCA计算时间比较 52 4.4.3 故障诊断分析 52-59 4.5 小结 59-60 第五章 基于DPCA-ICA的TEP故障诊断研究 60-78 5.1 ICA的原理 60-66 5.1.1 盲源分离和ICA的基本思想 60 5.1.2 ICA的解混过程 60-63 5.1.3 ICA的白化 63-64 5.1.4 ICA的估计方法和寻优算法 64-66 5.2 DPCA-ICA 66-67 5.3 DPCA-ICA的故障诊断 67-68 5.3.1 DPCA-ICA故障检测统计量 67-68 5.3.2 DPCA-ICA故障识别 68 5.4 仿真研究 68-76 5.4.1 W_d的构成 68 5.4.2 置信阀值计算 68-69 5.4.3 DICA、DPCA-ICA独立元提取速度比较 69 5.4.4 诊断分析 69-76 5.4.5 三种方法的故障诊断性能汇总比较 76 5.5 小结 76-78 第六章 总结与展望 78-80 6.1 总结 78-79 6.2 展望 79-80 参考文献 80-85 致谢 85-86 攻读硕士学位期间发表的论文 86
|
相似论文
- 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
- 八作动器隔振平台的六自由度容错控制研究,TB535.1
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 基于支持向量机的故障诊断方法研究,TP18
- 三容水箱系统故障诊断算法研究,TP277
- 水上交通安全保障系统的关键技术研究,U698
- RTAD-CMDMDES的总体设计和系统开发,U279.3
- 基于支持向量机的故障诊断研究,TH165.3
- 混凝土泵液压系统故障诊断方法研究,TU646
- 基于数据融合技术舞台故障诊断方法的研究,TP18
- 雷达电路板故障诊断系统硬件集成的研究与设计,E933.6
- 高压水除鳞系统实时压力监测与故障诊断,TG333
- 瞬态成分建模与参数辨识方法及其旋转机械故障诊断应用研究,TH165.3
- 北票风电场发电机组的齿轮箱故障诊断研究,TH165.3
- 遗传神经网络在数模混合电子电路故障诊断中的应用,TN710
- 基于观测器的故障诊断方法及应用研究,TP212
- 测量雷达智能诊断技术研究,TN957
- 基于神经网络的汽轮机轴系故障诊断系统开发,TK267
- 注塑成型过程监测与故障诊断平台的设计与实现,TQ320.5
- 轨道交通车辆轴承故障诊断分析与研究,U279.3
- 基于Hopfield神经网络的管道泄漏检测方法研究,U178
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 监视、报警、故障诊断系统
© 2012 www.xueweilunwen.com
|