基于栈式自编码网络的故障诊断方法研究

发布时间：2020-10-28 13:36

　　 随着分布式控制系统的广泛应用和先进信息技术的实施,为了实时地检测并识别工业过程中的异常状况,数据驱动的故障诊断方法成为多变量过程控制的研究热点之一。然而海量高维度的过程测量信息给传统的故障诊断算法带来极大的计算复杂度和建模复杂度,且存在难以利用高阶量进行在线估计的不足。面对复杂工业过程中的低阶、动态、非线性、多模态以及微小故障等问题,本文结合深度学习与统计分析技术,提出了一系列基于栈式自编码网络的故障诊断算法:(1)将深度学习技术引入工业过程控制中,提出了基于栈式自编码网络的故障诊断技术,通过栈式自编码网络提取并表示工业过程数据中隐含的相关性特征,打破了传统方法针对微小故障检测的瓶颈;(2)从函数逼近角度阐述了栈式自编码网络结构:利用多重的非线性映射与优化的组合实现复杂函数的逼近;初步解释了栈式自编码网络在故障诊断上的可行性;结合加权时间序列保持工业过程的时间相关性;(3)从多项式泰勒展开的角度解析自编码网络,结合泰勒展开的高阶项O(xn)论证栈式自编码网络对细节特征的表示学习能力;鉴于动态过程中的时间最近邻并不一定是其空间最近邻,在不增加建模复杂度的前提下,提出了基于动态重建的栈式自编码网络故障诊断技术,通过样本重建在保持数据可分离性的同时增加类别间的可区分距离;(4)针对传统多元统计分析技术难以利用高阶信息的不足,提出了基于高阶相关性的故障诊断技术,结合栈式自编码网络的多隐层结构建立多级学习框架:堆叠的隐层数越多,提取特征的阶数越高;并给出对应度量指标监控系统运行是否保持在控制范围内;利用正常过程的测量数据进行网络参数训练,避免了类别间的数据不均衡问题;(5)考虑动态过程中在线数据的重要性,提出了基于栈式自编码网络的阈值自适应过程监控技术,通过一个综合的表示框架实现多模态辨识与故障诊断的整合,降低了多模态切换的代价;并基于Sigmoid函数重构进一步分析自编码网络的表示学习能力。基于栈式自编码网络的故障诊断方法可以更细致地反应过程运行状态及潜在的演变轨迹,仿真研究验证了其有效性与可靠性,丰富了数据驱动下故障诊断领域的研究成果,并揭示了进一步研究的必要和可能。
【学位单位】：浙江大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：TP277
【部分图文】：

?第一章绪论???的优化决策与控制，是目前较为实用的诊断技术【１９］。该技术对采集到的不同来源、不同类??型的监测数据，采用数据表示学习、模式识别和并行计算等技术获取其中隐含的有用信??息。系统发生故障必然会反应在监测数据上，监测数据包括大量的历史样本数据（即离线??数据）以及当前时刻的采样数据（即在线数据）。历史数据反应的是系统不同传感器／监测??对象的过程特性与模式演变，在线数据反应的是系统当前运行中的时变特性和历史数据的??累积效应。理论上，只要对监测数据进行合理的、深度的特征挖掘，便可得到更为具体、??细节的特征，尤其适用于微小、早期故障的诊断［４；２３］。数据驱动的故障诊断方法能够相对??准确地检测出故障并辨识出故障的类别，不需要系统的先验知识，比如数学模型和专家经??验，适用于建立机理模型的复杂工业系统，可以划分为：多元统计分析法、信号处理法、??粗糙集、机器学习法以及信息融合法．等，具体如图１．１所示［４；１９】。?．??数据驱动的故障诊断方法??

设计了基于栈式稀疏自编码网络的故障诊断算法。??第三章从函数逼近的角度探究栈式自编码网络结构，分析其在故障诊断中的应用可行??性。通过加权序列延展连续过程的时间拓扑结构保存时间关联性信息，提出了基于加权序??列的栈式自编码网络故障诊断算法。??第四章从多项式的泰勒展开角度的角度探究自编码网络的函数逼近能力，分析其对于??微小故障检测的可解释性。鉴于动态过程中，样本点的时间近邻并不一定是其空间近邻，??在不增加栈式自编码网络结构复杂度的前提下，结合时间－空间去噪的关联性分析对过程??数据的动态估计，提出了?一种基于动态估计的栈式自编码故障诊断方法。??１１??

２．２．２栈式稀疏自编码网络??栈式稀疏自编码网络是由多个稀疏自编码网络堆叠而成，以前一层自编码网络的输出??作为后一层自编码网络的输入１８６］，如图２．３所示。??对于一个结构为—?的具有丨个隐层的栈式自编码网络，网络参数为：??输入单元数目ｎ、隐层数目！、隐层单元数目ｓ?＝卜⑴，ｓ⑵，…，即｝］、权重矩阵Ｗ?＝??［扣⑴，＾／／２），…，ｗ（ｆ），ｕ；（＂ｆ１）］、偏差矩阵６?＝斤⑴，？＾２），…，＃）＾“１）］。该栈式自编码网络的??１９??
【相似文献】

相关期刊论文 前10条

1 廖利平;张敖;翁思妹;易炳学;曾长龙;;中药饮片在供应链管理中的编码表示与应用的研究[J];世界中医药;2012年01期

2 邹彤,李宁,孙德宝,李菁;多车场车辆路径问题的遗传算法[J];计算机工程与应用;2004年21期

3 李爱军;;各种编码表示[J];电脑开发与应用;2006年04期

4 ;遗传算法中的编码表示[J];航空计算技术;1995年04期

5 曲鼎;;上帝说要有IPv6[J];计算机安全;2011年06期

6 韩建枫,李敏强,寇纪凇;遗传算法中排列问题的编码研究[J];计算机工程与应用;2002年12期

7 周栋;;在场景改变后的图像中的编码和发射参数的调整研究[J];科技创新与应用;2016年35期

8 孟祥武;程虎;;进化神经网络的编码表示机制研究[J];计算机科学;1998年01期

9 ;新课标教材《地理》八年级下册(人教版) 第五章 中国的地理差异[J];中学地理教学参考;2006年Z1期

10 程小东;张宇;;X3D文件转换为JSON的方法[J];池州学院学报;2009年03期

相关博士学位论文 前2条

1 吕菲亚;基于栈式自编码网络的故障诊断方法研究[D];浙江大学;2019年

2 胡栋;视频分级编码及可靠传输的编码技术研究[D];上海交通大学;2007年

相关硕士学位论文 前3条

1 苏玉瑞;SHVC分层编码间的相关性研究[D];山东建筑大学;2018年

2 刘志;基于LFF原则的BBL布局研究及应用[D];电子科技大学;2004年

3 凌然;自然图像的有效编码和集成迁移分类方法研究[D];合肥工业大学;2013年

本文编号：2860160