当前位置:主页 > 科技论文 > 机械论文 >

基于主元分析和支持向量回归机的故障预测

发布时间:2017-08-10 11:02

  本文关键词:基于主元分析和支持向量回归机的故障预测


  更多相关文章: 故障预测 主元分析 支持向量机 TE过程 间歇式反应釜


【摘要】:故障诊断是工业生产过程的一个重要方面,但是现代工业的系统复杂性对故障诊断提出了新的要求,传统的基于数学模型的故障诊断技术变得不再实用,而基于数据驱动的故障诊断技术,受到人们越来越多的关注,本文在基于数据驱动的故障诊断基础上提出了PCA-SVR故障预测模型,对故障发展的趋势进行预测。 首先,本文针对传统的PCA多变量监控方法,提出了将传统的Hotelling's T2统计量和Q统计量结合起来,用于故障预测,这不仅避免了单纯使用两者中的一种故障检测指标时可能造成的故障漏报的情况,同时简化了故障预测模型。 其次,本文提出了将移动时间窗支持向量回归机用于故障预测,支持向量机在解决小样本和非线性方面具有优势,而故障发生时故障数据是有限的,监控指标是非线性变化的,这使得支持向量机成为故障预测的首选工具。移动时间窗的方法对支持向量机的训练数据实时更新,不仅可以有效利用新数据的实时信息,同时还可以减小训练数据的规模,从而缩短支持向量机的模型建立时间和减小计算量。 最后,本文将提出的PCA-SVR模型用于TE仿真过程和实际的间歇式反应釜中,仿真结果和间歇式反应釜的应用结果表明,基于PCA-SVR故障预测模型可以很好的跟踪预测TE过程和间歇式反应釜故障发展变化趋势。
【关键词】:故障预测 主元分析 支持向量机 TE过程 间歇式反应釜
【学位授予单位】:大连理工大学
【学位级别】:硕士
【学位授予年份】:2013
【分类号】:TH165.3;TP18
【目录】:
  • 摘要4-5
  • Abstract5-6
  • 目录6-8
  • 1 绪论8-16
  • 1.1 选题背景及研究意义8-9
  • 1.2 故障诊断研究现状9-14
  • 1.2.1 定性分析方法9-11
  • 1.2.2 定量分析方法11-14
  • 1.3 本文结构14-16
  • 2 小波去噪16-20
  • 2.1 小波变换16-17
  • 2.2 小波去噪原理17-18
  • 2.3 常用的小波基函数18-19
  • 2.4 小波去噪评价标准19-20
  • 3 基于主元分析的过程监控原理20-25
  • 3.1 主元分析原理20-21
  • 3.2 基于主元分析的故障诊断21-25
  • 3.2.1 监控指标21-22
  • 3.2.2 主元的选取22-25
  • 4 移动时间窗支持向量机的原理25-32
  • 4.1 支持向量机原理及算法25-28
  • 4.1.1 最优分类超平面25-26
  • 4.1.2 线性支持向量机26-27
  • 4.1.3 非线性支持向量机27-28
  • 4.2 支持向量回归机算法28-30
  • 4.3 移动时间窗支持向量回归机算法30
  • 4.4 基于PCA-SVR故障预测模型30-32
  • 5 基于PCA-SVR故障预测的TE过程仿真32-46
  • 5.1 TE过程32-35
  • 5.2 实验仿真35-46
  • 5.2.1 数据处理36-38
  • 5.2.2 主元监控模型的建立38-40
  • 5.2.3 故障检测40-41
  • 5.2.4 故障预测41-46
  • 6 基于PCA-SVR的间歇式反应釜故障预测46-55
  • 6.1 间歇反应及其装置46-48
  • 6.1.1 间歇反应46-47
  • 6.1.2 实验室间歇式反应釜简介47-48
  • 6.2 实验仿真48-55
  • 6.2.1 数据处理49
  • 6.2.2 主元模型的建立49-50
  • 6.2.3 故障检测50-51
  • 6.2.4 故障预测51-55
  • 结论55-57
  • 参考文献57-61
  • 致谢61-62

【参考文献】

中国期刊全文数据库 前10条

1 郝丽娜,王伟,吴光宇,王宛山;粗糙集-神经网络故障诊断方法研究[J];东北大学学报;2003年03期

2 王洪江;孙保民;田进步;;定性仿真在锅炉状态监控和故障诊断中的应用[J];工程热物理学报;2007年01期

3 高淑芝;高宪文;王介生;费鹏程;;基于改进差别矩阵属性约简的聚合釜粗糙集-神经网络故障诊断[J];化工学报;2011年03期

4 龚瑞昆;马亮;赵延军;杨萍萍;陈磊;;基于量子神经网络信息融合的变压器故障诊断[J];电力系统保护与控制;2011年23期

5 邵晨曦;张俊涛;范金锋;白方周;;基于定性定量知识的故障诊断[J];计算机工程;2006年06期

6 臧玉萍;张德江;王维正;;基于小波变换技术的发动机异响故障诊断[J];机械工程学报;2009年06期

7 郝丽娜,徐心和;粗糙集神经网络系统在故障诊断中的应用[J];控制理论与应用;2001年05期

8 朱大奇;刘永安;;故障诊断的信息融合方法[J];控制与决策;2007年12期

9 宋其江;徐敏强;王日新;;模糊概率SDG模型及故障推理方法[J];控制与决策;2009年05期

10 刘强;柴天佑;秦泗钊;赵立杰;;基于数据和知识的工业过程监视及故障诊断综述[J];控制与决策;2010年06期

中国博士学位论文全文数据库 前3条

1 胡友强;数据驱动的多元统计故障诊断及应用[D];重庆大学;2010年

2 郭明;基于数据驱动的流程工业性能监控与故障诊断研究[D];浙江大学;2004年

3 何宁;基于ICA-PCA方法的流程工业过程监控与故障诊断研究[D];浙江大学;2004年

中国硕士学位论文全文数据库 前7条

1 邹向琪;间歇式反应釜温度控制系统故障诊断研究[D];大连理工大学;2010年

2 齐瑞勤;遗传算法在间歇式反应釜故障诊断中的应用[D];大连理工大学;2011年

3 杨飞;基于多元统计分析的故障诊断算法研究[D];东北大学;2009年

4 朱廷峰;模糊控制在间歇式反应釜上的应用研究[D];大连理工大学;2006年

5 吴勇;基于小波的信号去噪方法研究[D];武汉理工大学;2007年

6 张新荣;基于PCA的连续过程性能监控与故障诊断研究[D];江南大学;2008年

7 尚启英;间歇式反应釜的故障诊断及容错控制设计[D];大连理工大学;2008年



本文编号:650324

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/650324.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c2352***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com