基于PSO-EM改进GMM的换热站故障诊断研究
发布时间：2021-05-13 12:31
随着集中供热的普及,换热站在供热中扮演着承上启下非常重要的角色。如果发生故障,对供热系统的经济性和安全性将产生影响。换热站中最常见的故障是管网泄漏,目前通常是通过添加大量传感器和阀门来进行管段间的故障识别诊断。但由于实际供热现场对传感器的投放有限,且传感器本身在恶劣环境下也难免发生故障。故以此为研究背景,针对换热站的管网泄漏故障和传感器故障,建立一种基于检测算法和故障模型融合的故障诊断方法。本文研究如下:首先,针对换热站的供热数据如何判别是否存在异常的问题,利用高斯混合模型（GMM）算法作为故障异常检测的评判方法,对换热站的数据进行聚类分析,识别出数据中的离群点为换热站数据中的异常数据。由于高斯混合模型中的期望最大化（EM）算法具有陷入局部最优的缺点,所以针对EM算法的不足,利用粒子群算法对其进行改进。粒子群算法赋予EM算法合适的初值,使得EM算法在全局内进行迭代优化时候更容易跳出局部最优,可以改进收敛效率。将GMM算法和粒子群改进EM的高斯混合模型（PSO-EM-GMM）算法进行实验对比,通过检测率和误报率两项指标证明改进后的算法具有更好的结果。其次,针对换热站的故障缺乏故障模型,异...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.2.1 故障诊断方法的研究
1.2.2 高斯混合模型(GMM)的研究
1.2.3 换热站的故障诊断研究
1.3 本文主要研究内容和结构安排
2 换热站的系统结构和监管平台
2.1 换热站的系统介绍
2.1.1 换热站的系统结构
2.1.2 换热站的运行参数
2.2 换热站管控一体化平台
2.3 换热站的供热云平台
2.4 本章小结
3 基于改进EM算法的GMM故障检测算法
3.1 高斯混合模型简介
3.1.1 高斯分布
3.1.2 高斯混合模型
3.2 期望值最大化(EM)算法
3.3 高斯混合模型(GMM)算法检测异常数据
3.3.1 GMM算法检测异常数据
3.3.2 异常检测算法的指标选取
3.4 基于PSO-EM的GMM算法
3.4.1 粒子群算法
3.4.2 基于PSO-EM算法的优点
3.4.3 PSO-EM-GMM算法异常检测
3.5 本章小结
4 换热站的故障建模研究
4.1 实验仿真平台的搭建
4.1.1 实验仿真平台的组成
4.1.2 温度控制实验方案的设计
4.2 换热站的故障模拟
4.2.1 换热站泄漏故障模拟
4.2.2 换热站传感器故障模拟
4.3 SAPSO-LSSVM算法
4.3.1 LS-SVM算法介绍
4.3.2 LS-SVM算法原理
4.3.3 SAPSO-LSSVM建模方法
4.4 SAPSO-LSSVM故障模型分类
4.5 本章小结
5 粒子群优化EM算法高斯混合模型在换热站故障诊断中的应用
5.1 PSO-EM-GMM算法在换热站泄漏故障诊断中的应用
5.2 PSO-EM-GMM算法在换热站传感器故障诊断中的应用
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于无监督概念漂移识别和动态图嵌入的变压器故障检测方法[J]. 刘航,王有元,陈伟根,刘理峰,章剑光. 中国电机工程学报. 2020(13)
[2]基于多元线性回归的渡槽变形预测模型研究[J]. 江守燕,赵林鑫,杜成斌,王琨荃. 三峡大学学报(自然科学版). 2020(02)
[3]基于高斯混合模型的逆变器故障诊断方法研究[J]. 张万星,王炜,白立辉. 计算机测量与控制. 2020(03)
[4]一种半监督机器学习的EM算法改进方法[J]. 夏筱筠,张笑东,王帅,罗金鸣,崔露露,赵智阳. 小型微型计算机系统. 2020(02)
[5]混合模型的运动目标检测与跟踪算法[J]. 郎晓彤. 现代电子技术. 2020(03)
[6]基于深度学习的故障诊断方法综述[J]. 文成林,吕菲亚. 电子与信息学报. 2020(01)
[7]基于大数据分析的供热二次管网异常监测的算法比较[J]. 张庆峰,陈冬岩. 区域供热. 2019(06)
[8]Web的电气设备故障诊断专家系统[J]. 梁皓钦. 电气技术与经济. 2019(05)
[9]供热管网堵塞故障的诊断分析[J]. 刘莹,郝红,王睿嘉,王美淇. 建筑与预算. 2019(09)
[10]城市供热管线泄漏风险分析及预防控制措施研究[J]. 王雅明. 工程技术研究. 2019(14)
博士论文
[1]针对集中供热二次管网的性能预测与异常检测关键技术研究[D]. 孙文慧.山东大学 2018
[2]面向聚类和回归的模糊求解技术及应用[D]. 刘解放.江南大学 2017
[3]基于聚类分析的图像分割方法研究[D]. 张新野.大连海事大学 2012
[4]供热管网泄漏故障诊断的研究[D]. 雷翠红.哈尔滨工业大学 2010
硕士论文
[1]基于人工智能的汽油车发动机故障诊断研究[D]. 石砚书.吉林大学 2019
[2]基于振动信号的曲轴故障诊断与研究[D]. 孙宝源.山东大学 2019
[3]基于大数据分析的故障诊断方法研究[D]. 黄腾达.北京工业大学 2019
[4]基于最小二乘支持向量机和自适应控制算法的电液伺服系统研究[D]. 刘萌.北京交通大学 2019
[5]基于热负荷预测的换热站量化供热研究[D]. 孔维鑫.大连海事大学 2019
[6]基于多元统计分析的过程微小故障监测与诊断研究[D]. 张之维.宁夏大学 2019
[7]主动半监督高斯混合模型聚类算法的研究与应用[D]. 王垚.河北地质大学 2018
[8]基于聚类算法的深度学习训练改进研究[D]. 续拓.西安电子科技大学 2018
[9]基于ANFIS的供热管网泄漏故障诊断研究[D]. 周鹏.哈尔滨工业大学 2018
[10]基于EM的多通道去混响和降噪算法的改进[D]. 韩柳.中国科学技术大学 2018
本文编号：3184021
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.2.1 故障诊断方法的研究
1.2.2 高斯混合模型(GMM)的研究
1.2.3 换热站的故障诊断研究
1.3 本文主要研究内容和结构安排
2 换热站的系统结构和监管平台
2.1 换热站的系统介绍
2.1.1 换热站的系统结构
2.1.2 换热站的运行参数
2.2 换热站管控一体化平台
2.3 换热站的供热云平台
2.4 本章小结
3 基于改进EM算法的GMM故障检测算法
3.1 高斯混合模型简介
3.1.1 高斯分布
3.1.2 高斯混合模型
3.2 期望值最大化(EM)算法
3.3 高斯混合模型(GMM)算法检测异常数据
3.3.1 GMM算法检测异常数据
3.3.2 异常检测算法的指标选取
3.4 基于PSO-EM的GMM算法
3.4.1 粒子群算法
3.4.2 基于PSO-EM算法的优点
3.4.3 PSO-EM-GMM算法异常检测
3.5 本章小结
4 换热站的故障建模研究
4.1 实验仿真平台的搭建
4.1.1 实验仿真平台的组成
4.1.2 温度控制实验方案的设计
4.2 换热站的故障模拟
4.2.1 换热站泄漏故障模拟
4.2.2 换热站传感器故障模拟
4.3 SAPSO-LSSVM算法
4.3.1 LS-SVM算法介绍
4.3.2 LS-SVM算法原理
4.3.3 SAPSO-LSSVM建模方法
4.4 SAPSO-LSSVM故障模型分类
4.5 本章小结
5 粒子群优化EM算法高斯混合模型在换热站故障诊断中的应用
5.1 PSO-EM-GMM算法在换热站泄漏故障诊断中的应用
5.2 PSO-EM-GMM算法在换热站传感器故障诊断中的应用
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于无监督概念漂移识别和动态图嵌入的变压器故障检测方法[J]. 刘航,王有元,陈伟根,刘理峰,章剑光. 中国电机工程学报. 2020(13)
[2]基于多元线性回归的渡槽变形预测模型研究[J]. 江守燕,赵林鑫,杜成斌,王琨荃. 三峡大学学报(自然科学版). 2020(02)
[3]基于高斯混合模型的逆变器故障诊断方法研究[J]. 张万星,王炜,白立辉. 计算机测量与控制. 2020(03)
[4]一种半监督机器学习的EM算法改进方法[J]. 夏筱筠,张笑东,王帅,罗金鸣,崔露露,赵智阳. 小型微型计算机系统. 2020(02)
[5]混合模型的运动目标检测与跟踪算法[J]. 郎晓彤. 现代电子技术. 2020(03)
[6]基于深度学习的故障诊断方法综述[J]. 文成林,吕菲亚. 电子与信息学报. 2020(01)
[7]基于大数据分析的供热二次管网异常监测的算法比较[J]. 张庆峰,陈冬岩. 区域供热. 2019(06)
[8]Web的电气设备故障诊断专家系统[J]. 梁皓钦. 电气技术与经济. 2019(05)
[9]供热管网堵塞故障的诊断分析[J]. 刘莹,郝红,王睿嘉,王美淇. 建筑与预算. 2019(09)
[10]城市供热管线泄漏风险分析及预防控制措施研究[J]. 王雅明. 工程技术研究. 2019(14)
博士论文
[1]针对集中供热二次管网的性能预测与异常检测关键技术研究[D]. 孙文慧.山东大学 2018
[2]面向聚类和回归的模糊求解技术及应用[D]. 刘解放.江南大学 2017
[3]基于聚类分析的图像分割方法研究[D]. 张新野.大连海事大学 2012
[4]供热管网泄漏故障诊断的研究[D]. 雷翠红.哈尔滨工业大学 2010
硕士论文
[1]基于人工智能的汽油车发动机故障诊断研究[D]. 石砚书.吉林大学 2019
[2]基于振动信号的曲轴故障诊断与研究[D]. 孙宝源.山东大学 2019
[3]基于大数据分析的故障诊断方法研究[D]. 黄腾达.北京工业大学 2019
[4]基于最小二乘支持向量机和自适应控制算法的电液伺服系统研究[D]. 刘萌.北京交通大学 2019
[5]基于热负荷预测的换热站量化供热研究[D]. 孔维鑫.大连海事大学 2019
[6]基于多元统计分析的过程微小故障监测与诊断研究[D]. 张之维.宁夏大学 2019
[7]主动半监督高斯混合模型聚类算法的研究与应用[D]. 王垚.河北地质大学 2018
[8]基于聚类算法的深度学习训练改进研究[D]. 续拓.西安电子科技大学 2018
[9]基于ANFIS的供热管网泄漏故障诊断研究[D]. 周鹏.哈尔滨工业大学 2018
[10]基于EM的多通道去混响和降噪算法的改进[D]. 韩柳.中国科学技术大学 2018
本文编号：3184021
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3184021.html
