基于支持向量机的田纳西化工过程故障诊断研究

发布时间：2017-03-29 00:05

  本文关键词：基于支持向量机的田纳西化工过程故障诊断研究，，由笔耕文化传播整理发布。

【摘要】：随着计算机技术的发展以及自动化技术在工业生产过程中的应用,现代化生产过程日益复杂化,一旦发生异常状况不能及时处理,不仅会造成系统性能变差、经济上的巨大损失,还可能引起严重的灾难。因此,为保证生产过程的安全可靠,故障诊断技术是必不可少的。对于较难进行机理建模的复杂工业过程,根据现场获得的数据来进行故障诊断是一个重要的研究领域。支持向量机(Support Vector Machine,SVM)方法具有较强的推广能力,还具有能实现非线性映射、鲁棒性强、避免局部最优、限制过学习、操作易实现等优点,因此,在故障诊断方面具有独特的优越性。本论文主要进行基于SVM的田纳西--伊斯曼(Tennessee Eastman,TE)过程故障诊断方法的研究,它是一个著名的工业基准过程,并且在最后提出了一种改进的基于SVM的TE过程故障诊断方法。文中的主要工作为:1.首先研究了基于SVM的TE过程故障诊断方法,并与基于偏最小二乘法(Partial Least Squares,PLS)的故障诊断方法进行对比分析。2.针对基于一般SVM的TE过程检测方案的存储量大、计算量大及运行时间长等不足,我首先研究了将粒子群算法(Particle Swarm Optimization,PSO)、遗传算法(Genetic algorithm,GA)、网格寻优法(Grid search,GS)应用到SVM分类器中时,SVM分类器的诊断性能变化情况。随后又研究了对原始数据进行预处理,即进行归一化处理及采用主元分析法(Principal component analysis,PCA)进行数据降维时,SVM分类器对TE过程进行故障诊断效果的变化情况。从而提出了整合了GS-PCA的基于SVM的TE过程故障诊断方法,和其他基于SVM的诊断方案相比,通过仿真实验可得该方法在分类准确度和运行效率上都有很强的优势。
【关键词】：故障诊断 田纳西--伊斯曼过程 支持向量机 主元分析法 网格寻优
【学位授予单位】：渤海大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ02;TP18
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 1 绪论10-16
• 1.1 课题研究的背景及意义10-11
• 1.2 故障诊断技术介绍11-14
• 1.2.1 基于解析模型的故障诊断法13
• 1.2.2 基于知识的故障诊断法13-14
• 1.2.3 基于数据驱动的故障诊断法14
• 1.3 基于SVM的故障诊断方法的概述14-15
• 1.4 本文主要内容15-16
• 2 田纳西--伊斯曼过程16-22
• 2.1 TE过程简介16-18
• 2.2 TE过程数据简介18-20
• 2.3 小结20-22
• 3 基于SVM的TE过程故障检测研究22-34
• 3.1 SVM的工作原理22-26
• 3.1.1 SVM线性分类的工作原理22-24
• 3.1.2 广义最优分类超平面24-25
• 3.1.3 推广到高维空间--核函数25-26
• 3.2 基于SVM的分类器建立26-28
• 3.2.1 基于SVM的分类器建立的基本过程26-27
• 3.2.2 高斯RBF核函数27
• 3.2.3 交叉验证方法27-28
• 3.3 基于SVM的TE过程故障检测28-33
• 3.3.1 基于SVM的故障检测原理28
• 3.3.2 基于PLS的故障检测原理28-29
• 3.3.3 基于SVM及PLS的TE过程的故障检测仿真结果和对比29-33
• 3.4 本章小结33-34
• 4 一种改进的基于SVM的TE过程故障诊断方法34-44
• 4.1 输入数据处理34-36
• 4.1.1 归一化处理34-35
• 4.1.2 用主元分析法降维35-36
• 4.2 寻优算法的选择36-40
• 4.2.1 网格寻优法简介36-37
• 4.2.2 遗传算法简介37-38
• 4.2.3 粒子群算法简介38
• 4.2.4 几种寻优算法仿真效果比较38-40
• 4.3 一种改进的基于SVM故障诊断方法40-42
• 4.3.1 TE过程故障诊断过程简介40
• 4.3.2 TE过程模型故障诊断结果及分析40-42
• 4.4 本章小结42-44
• 总结与展望44-46
• 参考文献46-52
• 发表论文情况52-54
• 致谢54-55

【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：273282