基于局部线性嵌入和指数判别分析的故障诊断方法研究

发布时间：2021-01-20 23:43

　　工业过程具有规模性大、复杂性高、变量多、关联性强等特点,如何从数据出发准确、快速地发现故障并处理,保证过程高效运行意义重大。而且工业过程数据具有高维、非线性的特点,因此提取数据特征对于故障诊断非常重要。另外,一个准确、可靠的故障诊断系统对于工业过程的正常运行具有重要作用。基于此,本文以局部线性嵌入（LLE）和指数判别分析（EDA）为基础,提出了几种改进的故障诊断方法,并通过TE仿真平台及青霉素发酵过程仿真平台进行了验证。首先,提出一种改进的针对间歇过程的故障识别方法——核指数判别分析方法（KEDA）,利用基于差异度的性能指标进行故障诊断。KEDA方法结合了核方法和EDA方法的优点,在处理非线性、小样本问题上展现了很强的能力,并且在分类性能上有明显的改善。在故障识别的实际应用中,首先根据历史数据建立已知类别的正常模型和故障模型。然后,将在线测量数据输入到这些模型中,以识别当前的操作状态,即系统处于正常状态还是故障状态。若为故障状态,该方法可判断何种故障发生或是否出现了新故障。其次,结合LLE和EDA方法,提出两种改进的指数判别分析方法:局部线性指数判别分析（LLEDA）和邻近保持嵌入判别... 

【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图１－１间歇过程流程图??－

行故障检测及诊断，奠定了过程监控的理论基础。后来，Ｆｒａｎｋ?Ｐ．Ｍ将故障诊断??方法分为三类：基于数据的、基于知识的和基于模型的方法Ｗ。参考众多学者在??故障诊断领域的研究内容，本文将故障诊断领域的各类研究方法总结如图１－２。??故障诊断方法?????Ｉ????■?１?，?１?｜基于数据驱动方法??基于模Ｉ型方法＾?｜基于知＿识方法＾?｛１?＿＿＾＾??（?Ｉ＾ＴＴＺＴ］?｜基于信号｜?｜基于流行?｜机器类学??处理方法?学习方法?习方法????ｊ－Ｊ???—?Ｉ?Ｉ?Ｉ?￣?Ｉ??状参等雾違?ｓ?＂ｉｉ?＂ｉｉ?ｄ?９?ｄ?ｐｉ?ｄ?ｆｉｉ?ｐ?ｐ??态数价?系模识ｇ?Ｊ?＝波｜?ｕ?Ｌ?，?￥?Ｔ思经??估估空?统型别Ｊ?５５艺变Ｊ?Ｈ?ｅ?Ｌ?＊?ｓ?Ｓ网??ｊｌｊｌＪ?□□?ＬＪｄｕＵ?ＵｎｌｉＪｎ?Ｓｌ．??＾?Ｐ?Ｐ?Ｆ?Ｉ??制?Ｃ?Ｌ?Ｄ?Ｃ??？?Ａ?Ｓ?Ａ?Ａ??图１－２故障诊断方法概述??Ｆｉｇ．?１－２?Ａｎ?ｏｖｅｒｖｉｅｗ?ｏｆ?ｆａｕｌｔ?ｄｉａｇｎｏｓｉｓ?ｍｅｔｈｏｄｓ??３??

１．４课题来源??（１）国家自然科学基金项目：《统一框架下的间歇过程故障诊断与控制研??究》（Ｎｏ．６１５７３０５０）??（２）东北大学流程工业综合自动化国家重点实验室开放课题基金资助项??目：《复杂工业过程微小故障的闭环主动诊断》（ＮＯ．ＰＡＬ－Ｎ２０１７０２）??１．５论文的结构与研究内容??本文基于局部线性嵌入和指数判别分析方法进行故障诊断，具体内容及结构??安排如图１－３所示。??


本文编号：2990012