基于数据特征抽取技术的缓变微小故障早期诊断方法

发布时间：2017-12-02 06:26

  本文关键词：基于数据特征抽取技术的缓变微小故障早期诊断方法

  更多相关文章： 缓变微小故障 累加平均 时变异常检测模型 故障模式辨识 GUI

【摘要】：当今,随着现代工业技术的快速发展,控制系统结构愈加复杂。如果这类系统一旦发生一些缓慢变化的微小故障,日积月累便会造成严重的安全事故。传统的微小故障诊断方法多采用降低噪声能量或累加故障幅值的方式,来提高故障信号的信噪比,以达到微小故障检测的目的。本文以主元分析(Principal Component Analysis,PCA)和指定元分析(Designated Component Analysis,DCA)为多变量统计特征抽取工具,研究多变量数据特征抽取新方法,提出了基于累加和平均(Average Accumulative,AA)的早期故障诊断方法,并将其与累加和(Cumulative Sum,CUSUM)的方法相结合以更好地实现缓变故障趋势的早期检测。具体工作如下:(1)在中值滤波(Median Filter,MF)和CUSUM的方法基础上提出一种MF和CUSUM相结合的缓变微小故障早期检测的方法。通过对滤波后数据,即PCA所得(Squared Prediction Error,SPE)统计量的累加,建立起MF-CUSUM-PCA模型,来实现微小缓变故障早期的异常检测,并引入知识导引的数据特征抽取方法,建立了基于MF-CUSUM-DCA模型,实现缓变微小故障早期诊断,进而达到故障模式辨识的目的。(2)提出一种基于累加和平均的特征抽取方法,在减小噪声能量的同时对故障信号进行累加,从而可以显著地提高故障信号的信噪比。针对累加平均后观测数据不再独立同分布的问题,建立了基于AA-PCA的时变异常检测模型,以进行缓变微小故障的早期检测,建立了基于AA-DCA的时变模型,用以实现多个缓变微小故障的早期诊断。最后,将基于AA的方法与基于CUSUM的方法相结合,可以更早地检测到缓变故障的趋势。(3)通过MATLAB的GUI界面对本文算法进行了实现,这为工程人员做健康维护决策提供了参考依据。
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP277

【相似文献】

中国硕士学位论文全文数据库 前1条

1 宋洋;基于数据特征抽取技术的缓变微小故障早期诊断方法[D];河南大学;2016年

，

本文编号：1243966