面向污水处理过程的故障诊断方法研究

发布时间：2017-09-16 05:07

  本文关键词：面向污水处理过程的故障诊断方法研究

  更多相关文章： 污水处理过程 故障检测与诊断 多模态过程 EMD-IFCM-KPCA IJITL-IEMD-RLSSVM

【摘要】：随着污水量的增加,污水处理过程规模的不断扩大,在处理过程中难免发生故障,且故障类型多样化。因此对整个污水处理过程进行准确、有效的故障检测与诊断显得尤为必要。由于以往的污水处理过程故障检测方法多是基于单模态过程的方法,基于多模态污水处理过程的故障检测方法甚少,因此本文提出了一种适用于多模态污水处理过程的集合型故障检测方法,即EMD-IFCM-KPCA方法;在此基础上为了解决快速性的问题,本文又提出了一种集合型快速故障诊断方法,即IJITL-IEMD-RLSSVM方法。把二者应用到多模态污水处理过程的故障检测与诊断中,通过实验仿真验证所提方法的有效性和准确性。提出了污水处理过程的EMD-IFCM-KPCA集合型故障检测方法。首先采用经验模态分解法(EMD)对数据进行预处理。然后通过改进的模糊C均值聚类法(IFCM)对数据进行聚类,区分各模态。最后采用核主成分分析法(KPCA)以及利用T2、SPE控制图对污水处理过程进行故障检测。提出了污水处理过程的IJITL-IEMD-RLSSVM集合型故障诊断方法。首先利用改进的及时学习法(IJITL)对历史数据分类,区分各模态。再在历史模态数据中查找与待诊断数据相似的历史模态数据,将其输出。然后利用改进的经验模态分解法(IEMD)对待诊断数据和输出的历史模态数据进行预处理。最后利用递推最小二乘支持向量机法(RLSSVM)对故障进行分类,达到故障诊断的目的。为了验证所提的两种方法的有效性,进行了污水处理过程的实验仿真。首先,将多模态污水处理过程的EMD-IFCM-KPCA集合型故障检测方法与其他两种传统方法,即KPCA方法和IFCM-KPCA方法相比较,验证该方法的有效性和准确性。其次,将多模态污水处理过程的IJITL-IEMD-RLSSVM集合型故故障诊断方法与其他两种传统方法,即IJITL-SVM方法和IJITL-IEMD-SVM方法相比较,验证该方法的快速性和准确性。理论研究和实验结果表明,在污水处理过程中,本文所提出的应用于多模态的EMD-IFCM-KPCA集合型故障检测方法和IJITL-IEMD-RLSSVM集合型故障诊断方法能够有效检测和诊断故障,准确性和快速性优于传统方法。
【关键词】：污水处理过程 故障检测与诊断 多模态过程 EMD-IFCM-KPCA IJITL-IEMD-RLSSVM
【学位授予单位】：沈阳理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X703
【目录】：

• 摘要6-8
• Abstract8-12
• 第1章 绪论12-22
• 1.1 污水处理过程故障诊断的研究背景及选题意义12-14
• 1.2 国内外研究现状14-20
• 1.2.1 故障检测与诊断研究方法现状14-16
• 1.2.2 污水处理过程故障检测与诊断方法研究现状16-20
• 1.3 论文主要研究内容20-22
• 第2章 污水处理过程模型研究22-28
• 2.1 产生背景22-23
• 2.2 模型结构23
• 2.3 水质成分介绍23-24
• 2.4 实验数据24-27
• 2.5 本章小结27-28
• 第3章 基于EMD-IFCM-KPCA的污水处理过程故障检测方法28-40
• 3.1 基于EMD分解的信号降噪原理28-29
• 3.2 改进的模糊C均值聚类29-32
• 3.2.1 减法聚类29-31
• 3.2.2 模糊C均值31-32
• 3.2.3 改进的模糊C均值聚类32
• 3.3 基于核主成分分析的故障特征检测32-37
• 3.3.1 主成分分析32-34
• 3.3.2 核主成分分析34-36
• 3.3.3 基于KPCA的故障检测方法36-37
• 3.4 基于EMD-IFCM-KPCA的集合型故障诊断方法37-38
• 3.4.1 算法原理37
• 3.4.2 算法流程37-38
• 3.5 本章小结38-40
• 第4章 基于IJITL-IEMD-RLSSVM污水处理过程故障诊断方法40-53
• 4.1 改进的即时学习算法40-44
• 4.1.1 自组织神经网络40-41
• 4.1.2 基于增量的自组织神经网络41-42
• 4.1.3 即时学习算法42
• 4.1.4 改进的即时学习算法42-44
• 4.2 基于IEMD分解的信号降噪原理44-46
• 4.2.1 滑动窗口算法44-45
• 4.2.2 基于IEMD分解的信号降噪原理45-46
• 4.3 基于递推最小二乘的支持向量机46-51
• 4.3.1 支持向量机的原理及分类方法46-48
• 4.3.2 最小二乘支持向量机算法48-49
• 4.3.3 基于递推最小二乘的支持向量机49-51
• 4.4 基于IJITL-IEMD-RLSSVM的集合型多模态故障诊断方法51-52
• 4.4.1 算法原理51
• 4.4.2 算法流程51-52
• 4.5 本章小结52-53
• 第5章 污水处理过程故障检测与诊断方法实验研究53-64
• 5.1 基于EMD-IFCM-KPCA的集合型故障检测方法实验研究53-60
• 5.1.1 IFCM数据分类53
• 5.1.2 基于EMD-IFCM-KPCA的污水处理过程故障检测53-60
• 5.2 基于IJITL-IEMD-RLSSVM故障诊断方法实验研究60-62
• 5.2.1 ISOM数据分类60-61
• 5.2.2 基于IJITL-IEMD-RLSSVM的污水处理过程故障诊断61-62
• 5.3 本章小结62-64
• 结论64-65
• 参考文献65-72
• 攻读硕士学位期间发表的论文和取得的科研成果72-73
• 致谢73

【参考文献】

中国期刊全文数据库 前10条

1 李晨龙;杨青;;污水处理过程的集合型监测方法研究[J];测控技术;2016年05期

2 田中大;李树江;王艳红;高宪文;;经验模式分解与时间序列分析在网络流量预测中的应用[J];控制与决策;2015年05期

3 侯宽新;丁发军;张道新;黄选红;魏武国;;基于DE-RLSSVM算法的航空发动机传感器故障诊断[J];航空动力学报;2014年12期

4 周伟;景博;黄以锋;邓森;郝中波;;基于GSA的机载复杂系统动态多故障诊断方法研究[J];仪器仪表学报;2014年03期

5 杨青;王栗;刘_g诚;刘念;;FICA-IPNN集合型滚动轴承故障诊断方法[J];电机与控制学报;2014年03期

6 张昭昭;;污水处理过程出水水质多模型在线软测量方法[J];控制工程;2014年01期

7 张晓楠;曾庆山;万红;;基于改进小波去噪和EMD方法的轴承故障诊断[J];测控技术;2014年01期

8 段俊花;朱怡安;黄姝娟;陆伟;;多模态融合的多机器人任务分配算法研究[J];西北工业大学学报;2013年06期

9 王玉静;姜义成;康守强;杨广学;陈艳娜;;基于优化集合EMD的滚动轴承故障位置及性能退化程度诊断方法[J];仪器仪表学报;2013年08期

10 刘毅;金福江;高增梁;;时变过程在线辨识的即时递推核学习方法研究[J];自动化学报;2013年05期

中国博士学位论文全文数据库 前2条

1 杨青;集合型故障检测与诊断技术研究[D];长春理工大学;2013年

2 薄翠梅;过程控制系统的故障检测诊断与容错控制[D];南京理工大学;2008年

中国硕士学位论文全文数据库 前2条

1 赵明;非线性过程故障检测与诊断方法比较研究[D];沈阳理工大学;2014年

2 俞伟胜;多模态自适应模糊控制在污水处理系统中的应用研究[D];重庆大学;2008年

，

本文编号：861032