基于学习型案例推理的TE过程故障诊断方法研究

发布时间：2017-07-26 07:14

  本文关键词：基于学习型案例推理的TE过程故障诊断方法研究

  更多相关文章： TE化工过程 故障诊断 案例推理(CBR) 学习型伪度量(LPM) 案例检索

【摘要】：化工生产过程在国民经济中占有非常的重要地位,在生产过程中,如果发生了故障却不能及时地发现和排除,就会影响整个生产的进行,造成不必要的经济损失,更严重的甚至威胁到人员和设备的安全,所以,化工过程的故障诊断和实时监控具有非常重要的现实意义。案例推理(CBR)作为人工智能领域中一种新的问题求解与机器学习方法,在工业过程故障诊断领域的应用得到了广泛关注。然而,在利用传统CBR方法进行故障诊断时,案例检索阶段经常使用基于距离的相似性度量方法,由于这种度量方法存在两个关键的科学问题,即如何合理分配各属性的权重和如何避免陷入距离陷阱尚未完全解决。因此,本文在传统CBR故障诊断模型基础上,采用学习型伪度量(LPM)代替距离度量方法,构建一种基于LPM检索的CBR故障诊断模型,并用Tennessee-Eastman(TE)化工过程进行实验研究,主要工作如下:(1)针对CBR距离度量检索方法存在权重分配难题以及容易陷入距离陷阱的问题,研究了一种基于BP神经网络的LPM检索方法,以代替传统的距离度量检索方法。该方法通过定义学习型伪度量准则,对源案例进行重组后形成模式池,再利用模式池训练BP神经网络,使网络逼近LPM准则,从而得到一种新的LPM案例检索模型,为改进CBR故障诊断模型的建立打下了方法基础。(2)针对TE化工过程的故障诊断问题,基于LPM检索方法建立了一种改进的CBR故障诊断模型。该模型包括LPM案例检索、案例重用、案例修正和案例存储等四个部分。首先通过TE仿真模型构造故障诊断案例库,然后,通过训练BP神经网络建立LPM模型,再利用LPM模型度量目标案例与每一个源案例的相似性,得到与目标案例相似的同类案例,接着采用多数重用原则从同类案例中决策出目标案例的故障诊断结果,最后采用基于实践的案例修正方法对诊断结果进行确认和调整,并存储修正后的案例,从而实现故障诊断的增量式学习过程。(3)开发了基于MATLAB、SQL Server和C#的TE化工过程故障诊断实验平台。该平台用C#编制故障诊断系统的操作界面,历史数据存放于SQL Server中,借助于C#调用MATLAB中的故障诊断程序,可以方便而直观的观察不同方法的故障诊断性能,并为进一步研究TE过程的故障诊断方法提供了一个验证工具。
【关键词】：TE化工过程 故障诊断 案例推理(CBR) 学习型伪度量(LPM) 案例检索
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ02;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-17
• 1.1 研究背景和意义9-10
• 1.2 故障诊断方法研究现状10-15
• 1.2.1 研究现状10-13
• 1.2.2 问题分析13-15
• 1.3 本文主要工作和结构安排15-17
• 1.3.1 主要工作15-16
• 1.3.2 结构安排16-17
• 第2章 TE化工过程17-25
• 2.1 工艺流程描述17-20
• 2.2 故障划分20-21
• 2.3 TE过程仿真环境21-24
• 2.4 小结24-25
• 第3章 学习型伪度量案例检索方法25-31
• 3.1 引言25-26
• 3.2 学习型伪度量26-27
• 3.3 LPM案例检索模型27-29
• 3.4 算法实现29
• 3.5 小结29-31
• 第4章 基于LPM-CBR的故障诊断方法31-41
• 4.1 引言31
• 4.2 传统CBR故障诊断模型31-33
• 4.3 基于LPM的CBR故障诊断模型33-34
• 4.4 算法实现34
• 4.5 算法步骤34-35
• 4.6 性能测试35-40
• 4.6.1 实验设计35-36
• 4.6.2 LPM模型稳定性36-39
• 4.6.3 LPM-CBR模型鲁棒性39
• 4.6.4 对比实验39-40
• 4.7 小结40-41
• 第5章 TE过程障诊断实验41-61
• 5.1 实验平台开发41-46
• 5.4.1 开发流程41-43
• 5.4.2 界面设计43-46
• 5.2 实验设计46-48
• 5.3 性能评价48-49
• 5.3.1 稳定性48
• 5.3.2 鲁棒性48-49
• 5.4 对比实验49-59
• 5.4.1 诊断准确率49-50
• 5.4.2 ROC分析50-59
• 5.5 小结59-61
• 结论61-62
• 参考文献62-66
• 攻读硕士学位期间所发表的学术论文66-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 贾嘉;故障诊断技术在生产中的应用[J];新疆石油学院学报;2000年03期

2 潘松海;介绍一种故障诊断方法[J];组合机床与自动化加工技术;2001年06期

3 朱大奇,于盛林;基于知识的故障诊断方法综述[J];安徽工业大学学报(自然科学版);2002年03期

4 苟永明;测试与故障诊断技术研讨会举行[J];冶金自动化;2004年04期

5 王春利;张卫华;吴重光;;故障诊断技术理论与发展趋势及其在石化领域的应用[J];石油化工自动化;2008年06期

6 臧大进;曹云峰;;故障诊断技术的研究现状及展望[J];矿山机械;2010年18期

7 赵国瑞;武丽;薛光辉;刘宓;杜毅博;吴淼;;综采工作面远程状态监测与故障诊断研究现状与发展趋势[J];煤炭工程;2011年02期

8 卢敏;;故障诊断技术及其在冶金设备中的应用[J];重型机械;1987年02期

9 王恩鸿;开展故障诊断工作的现状与建议[J];纺织机械;1994年04期

10 周东华,王桂增;第五讲 故障诊断技术综述[J];化工自动化及仪表;1998年01期

中国重要会议论文全文数据库 前10条

1 杨其校;刘昭度;齐志权;马岳峰;;汽车ABS电机故障诊断[A];第三届全国信息获取与处理学术会议论文集[C];2005年

2 黎清海;高庆;;基于系统分层的故障诊断方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

3 闻竞竞;黄道;;故障诊断方法综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 李t，

本文编号：575218