化工故障诊断决策方法研究

发布时间：2020-08-11 07:31

【摘要】：故障诊断是工业过程监控中的重要环节,其目的是检测异常行为并找出故障发生的根本原因。由于故障诊断可被视作是一个分类问题,已有的分类技术可以被应用于其上。为了找出故障发生的可能原因,一种可取的手段是采用特征选择技术。本文着重针对化工过程数据,研究“特征选择+分类器”模型中的特征选择方法。融合了特征选择方法的模型不仅通过降维减少了分类器的训练时间,还改善了分类器的诊断效果。本文的创新工作主要包括:(1)为处理非线性数据,将高斯核支持向量机递归特征消除算法引入故障诊断中,提出了一种基于高斯核支持向量机递归特征消除的故障诊断模型。该模型的核心问题是核参数的选择,本文对比三种参数优化方法,得到最合适的参数。所提出的故障诊断模型改善了传统诊断技术的性能。(2)依据同类数据有相似分布的性质,可以断定在不同类中分布不同的特征包含了区分类别的重要信息。本文通过引入Kullback-Leibler(KL)散度来衡量两个特征分布之间的差距,从而提出了一种基于KL散度特征选择方法的故障诊断模型。该模型具有较好的诊断性能。(3)为检测特征在正常与故障数据之间的差异性,本文提出了一种新的序列后向特征选择方法。该方法计算不同特征子集的相异性来确定特征的重要性,从而得到与故障相关的特征。所提出的故障诊断模型在化工故障诊断中有较好的性能。上述的故障诊断模型均将特征选择与支持向量机相结合,提高了故障诊断的性能。在Tennessee Eastman过程数据集上的实验结果表明,所提出的三种故障诊断模型均改善了诊断性能,要优于以往的故障诊断技术。特别地,以上的三种特征选择方法都能找出与故障相关的特征。
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TQ050.7

【参考文献】

相关期刊论文 前5条

1 毛勇;周晓波;夏铮;尹征;孙优贤;;特征选择算法研究综述[J];模式识别与人工智能;2007年02期

2 王荣杰;胡清;;基于知识的故障诊断方法的发展现状与展望[J];微计算机信息;2006年07期

3 毛勇,周晓波,皮道映,孙优贤,WONG Stephen T.C.;Parameters selection in gene selection using Gaussian kernel support vector machines by genetic algorithm[J];Journal of Zhejiang University Science;2005年10期

4 汪镭,周国兴,吴启迪;人工神经网络理论在控制领域中的应用综述[J];同济大学学报(自然科学版);2001年03期

5 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

相关博士学位论文 前1条

1 李祥宝;基于广义非负矩阵投影算法的故障检测与诊断研究[D];上海交通大学;2014年

相关硕士学位论文 前1条

1 吴希军;基于主元分析方法的空调系统传感器故障诊断研究[D];燕山大学;2005年

本文编号：2788779