流程工业过程故障检测的特征提取方法研究

流程工业过程故障检测的特征提取方法研究

ID:35162123

大小:20.74 MB

页数:150页

时间:2019-03-20

流程工业过程故障检测的特征提取方法研究_第1页
流程工业过程故障检测的特征提取方法研究_第2页
流程工业过程故障检测的特征提取方法研究_第3页
流程工业过程故障检测的特征提取方法研究_第4页
流程工业过程故障检测的特征提取方法研究_第5页
资源描述:

《流程工业过程故障检测的特征提取方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代码:華束“大弩博士位文:流程工业过程故障检测的特征提取方法研宄学科专业:控制科学与工程研究方向:故障检测、诊断及工况监控论文作者:马玉義指导教师:侍洪波教授定稿日期:年月日学位论文使用授权声明本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华东理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编学位论文。保密论文在解密后遵守此规定。论文涉密情况:卩保密口保密,保密期(—年—月

2、日至年—月—日)学位论文作者签名:指导老师签名:料汰日期:■年丨月阳日期年月丨、日分类号:密级:华东理工大学学位论文流程工业过程故障检测的特征提取方法研宄马玉鑫指导教师姓名:侍洪波教授华东理工大学申请学位级别:博士专业名称:控制科学与工程论文定稿日期:论文答辩日期:学位授予单位:华东理工大学学位授予日期:答辩委员会主席:李少远教授评阅人:丁永生教授费敏锐教授來执郊教授謀教授非枚作者声明我郑重声明:本人恪守学术道德,崇尚严谨学风。所呈交的学位论文,是本人在导师的指导下,独立进行研宄工作所取得的结果。除文中明确注明和引用的内容外,本论文

3、不包含任何他人已经发表或撰写过的内容。论文为本人亲自撰写,并对所写内容负责。论文作者签名:年月曰华东理工大学博士学位论文第页流程工业过程故障检测的特征提取方法研究摘要机器的出现使生产效率和生产安全得到了提升,但机械设备的故障同样也会导致财产损失和人员伤亡随着工业过程不断向着大型化、复杂化的趋势发展,传统的依靠对每个变量实施独立监控的方法不再可行,并且建立精确的解析模型也越来越困难。与此同时,随着集散控制系统的广泛应用,从多个角度反映系统运行状态的大量数据被记录了下来。于是,为了进一步提高过程监控的效率,数据驱动的故障检测方法开始兴起

4、。实际工业过程通常有多种复杂的特性,如多工况、时变、复杂数据分布等,而在最初进行研究时,人们会通过设定一些假设条件如过程运行在单一稳定工况下,变量服从高斯分布等,以此来简化研究问题。但是随着研究工作的深入开展,就需要克服这些假设,研宄适用性更强的故障检测方法。本文旨在针对工业过程中的复杂数据分布、多工况和时变问题,通过利用数据局部和全局结构信息,提出新的特征提取方法,进一步提高故障检测模型的精度。具体内容如下:针对单工况下训练数据具有复杂数学分布的问题,提出了一种基于局部线性嵌入和支持向量数据描述的故障检测算法。该算法充分利用了在特

5、征提取和在建立统计量时均不受数据数学分布约束的优势,所以可以建立精确的监控模型。此外,利用最小二乘回归策略,解决了不能得到原始空间到特征空间投影矩阵的问题,保证了在线监控的效率。针对传统监控方法在特征提取时会破坏原始数据局部或全局结构的问题,提出了一种局部非局部嵌入算法。利用的目标函数约束样本与其近邻点间的相对位置,同时设计了一个新的目标函数约束样本与其非近邻点间的相对位置,最终通过求解双重优化问题,将原始数据的局部和全局结构信息完整的保存在特征空间中,进一步降低了特征提取过程中的信息损失。针对训练数据来自多个生产工况即训练数据的数

6、学分布具有多峰性的问题,提出了一种协调混合因子分析算法。在传统多模型法的基础上,通过把样本在特征空间中的表达具有唯一性作为优化过程的约束条件,将各个局部模型协调整合得到一个全局模型,从而使监控模型不仅包含每个工况的独有特征而且包含工况间数据的相关性信息。同时,在线监控时,由于不需要判断新样本属于何种工况或应该使用哪个局部模型进行故障检测,所以监控效率得到了提升。针对现有聚类算法在处理多工况训练数据时无法自动求得工况数以及部分聚类第页华东理工大学博士学位论文算法可能陷入局部最优的问题,提出了一种工业过程数据聚类算法。该算法利用了样本的

7、时序相关性和工业数据中同类数据总是相邻的特点,通过寻找扩展矩阵中的“断裂点”,提高了聚类的效率和精度。此外,在将局部模型整合为全局模型时,通过同时约束样本与其近邻点及非近邻点间的相对位置,并引入权重系数平衡二者的比例,在特征提取过程中更完整的保存了原始数据的局部和全局结构。针对同时具有时变、多工况和复杂数据分布的工业过程,提出了移动窗局部离群因子和移动窗局部离群概率两种故障检测方法。利用两种方法基于近邻点计算局部密度从而不受复杂数据分布影响的优势,保证了监控模型的精度。同时,分别针对两种算法提出了相应的移动窗快速更新策略,提高了模型

8、更新速度,保证了监控效率。而对于工况变化过程,又提出了半监督的模型切换机制,通过短时间内强制接受每个新样本使监控模型能迅速跟踪工况的变化。为了减小将故障或扰动更新到窗口中的概率,分别针对两种算法提出了“盲更新”的终止条件,保证了算法的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。