基于KPCA与SVM的工业过程故障诊断方法的应用研究

发布时间：2020-05-17 09:52

【摘要】：为了保证工业过程的安全性,产品质量的稳定性,对生产过程进行在线监测,及时准确地进行故障诊断,已经成为目前过程控制领域一个重要研究方向。特别是基于数据的各种统计方法,由于其不依赖数学模型以及工业现场具有大量易获得的过程数据的原因而更具实用性。这一方法要求收集正常操作条件下,以及在各种故障状态下的历史数据。其诊断步骤包括故障检测和故障识别两步。 本文详细介绍了工业过程中常用到的故障诊断方法,并分析其优缺点。以田纳西-伊斯曼化工工业过程(Tennessee-Eastman Process,简称TEP)为背景,详细分析了其工业过程。介绍了主元分析(Principle Component Analysis,简称PCA)及核主元分析(KernelPrinciple Component Analysis,简称KPCA)原理及其多元统计故障监测方法在TE中的应用。KPCA引入核函数的概念,将原始空间映射到高维的特征空间,在高维空间进行主元分析,使输入数据具有很好的可分性。将两种检测方法应用在TE过程中,得出基于KPCA的多元统计故障检测方法性能优于PCA。 由于支持向量机(Support Vector Machine,简称SVM)方法具有理论完备、全局优化、泛化性能好等特点,具有很好的分类功能。本文在传统的SVM上进行改进,采用多个一对一SVM构造多值分类SVM。并将PCA、KPCA特征提取方法与SVM进行结合,将降维后的线性主元与非线性主元作为SVM输入进行训练和识别。并将其用在TE过程中,得出KPCA-SVM具有很好的故障诊断功能。
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TH165.3

【参考文献】

相关期刊论文 前10条

1 张昱君;刘爱伦;;基于改进主元分析方法的化工生产过程的故障检测[J];工业控制计算机;2006年01期

2 黄启明,钱宇,林伟璐,李秀喜;化工过程故障诊断研究进展[J];化工自动化及仪表;2000年03期

3 陈玉东,施颂椒,翁正新;动态系统的故障诊断方法综述[J];化工自动化及仪表;2001年03期

4 杨希;钱锋;张兵;;基于核函数主元分析的SVM建模方法及应用[J];华东理工大学学报(自然科学版);2007年02期

5 朱松青;史金飞;;状态监测与故障诊断中的主元分析法[J];机床与液压;2007年01期

6 唐发明,王仲东,陈绵云;一种新的二叉树多类支持向量机算法[J];计算机工程与应用;2005年07期

7 陈玉山;席斌;;基于核独立成分分析和BP网络的人脸识别[J];计算机工程与应用;2007年26期

8 陈文杰,王晶;支持向量机在工业过程中的应用[J];计算机与应用化学;2005年03期

9 李巍华,廖广兰,史铁林;核函数主元分析及其在齿轮故障诊断中的应用[J];机械工程学报;2003年08期

10 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

相关硕士学位论文 前6条

1 陈勇;基于多元统计分析的生产过程故障诊断研究[D];浙江大学;2003年

2 刘庆平;神经网络与支持向量机学习算法的理论及仿真研究[D];燕山大学;2003年

3 许光;支持向量机在化工过程建模中的应用[D];浙江大学;2004年

4 潘玉松;基于主元分析的传感器故障检测与诊断[D];华北电力大学（河北）;2006年

5 王辉;基于核主成分分析特征提取及支持向量机的人脸识别应用研究[D];合肥工业大学;2006年

6 孙宗宝;基于软间隔支持向量机和核主成分分析的入侵检测研究[D];哈尔滨理工大学;2007年

，

本文编号：2668338