工业过程故障检测自适应流形学习算法研究及应用

发布时间：2021-09-01 20:55

　　故障检测是确保工业过程稳定安全运行的重要技术,研究有效、可行的故障检测方法对于工业过程的平稳运行和生产质量的保障具有重要意义。随着大数据的出现,现代工业过程中大量的运行数据被实时记录并保存下来。基于多变量统计过程监控（MSPM）的故障检测方法得到重点研究与普遍应用。实际工业过程是具有复杂性、非线性等特性,然而传统的故障检测方法没有考虑这些因素;MSPM方法都是提取数据全局结构信息,忽略数据自身的局部结构特征;并且现有的方法不具有在线学习能力,建立的故障检测模型没有自适应能力,在监控对象随时间推移发生变化时不能有效表征系统的运行状态。针对这些问题,基于现有研究基础,本文提出一种自适应流形学习算法用于工业过程故障检测领域,并进行实例仿真来验证该方法的有效性和可行性。（1）介绍了本文研究背景和意义,对工业过程故障检测领域的主要研究内容和现状进行描述。根据实际工业过程中变量数据存在的特性,剖析了现有故障检测方法的局限性,阐述了流形学习方法在故障检测中的优点,说明自适应流形学习算法在故障检测方面研究的意义和价值。（2）针对传统故障检测方法不考虑数据存在非线性、忽略数据局部信息以及不具有在线学习能... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

环网柜内部结构图

电缆接头发生火情图

实验1结果对比图

【参考文献】：
期刊论文
[1]复杂工业过程质量相关的故障检测与诊断技术综述[J]. 彭开香,马亮,张凯.  自动化学报. 2017(03)
[2]基于方差贡献率的泄流结构多测点动态响应融合方法研究[J]. 李火坤,刘世立,魏博文,黄锦林,符晓.  振动与冲击. 2015(19)
[3]基于切换模型极限学习机的超短期负荷预测[J]. 邓明丽,张晶.  电测与仪表. 2015(13)
[4]相关量测下处理时延的电力系统动态状态更新法[J]. 陆子刚,卫志农,孙国强,孙永辉.  电力系统自动化. 2015(11)
[5]基于在线SVM的裂解炉燃料气热值软测量[J]. 李奇安,郭强.  浙江大学学报(工学版). 2015(03)
[6]高压开关柜电缆室温度场分析及在线监测系统构建[J]. 熊兰,徐敏捷,杨子康,赵艳龙,焦阳.  电力自动化设备. 2014(06)
[7]基于核主元分析-主元分析的的多多阶段间歇过程故障监测与诊断[J]. 齐咏生,王普,高学金.  控制理论与应用. 2012(06)
[8]初值非固定的动态模型在变压器故障预测中的应用[J]. 张俊,张彼德,敬海兵,陈俊峰.  水电能源科学. 2012(03)
[9]近年国外大停电事故概述及分析[J]. 伦涛,韩鹏飞,贺静波,冯长友.  中国能源. 2012(02)
[10]动态系统的故障诊断技术[J]. 周东华,胡艳艳.  自动化学报. 2009(06)

博士论文
[1]数据局部时空结构特征提取与故障检测方法[D]. 苗爱敏.浙江大学 2014
[2]基于数据驱动的复杂工业过程故障检测方法研究[D]. 马贺贺.华东理工大学 2013
[3]基于局部—全局结构分析的统计过程监测方法研究[D]. 张沐光.浙江大学 2011

硕士论文
[1]基于高斯伯努利受限玻尔兹曼机的过程监测研究[D]. 陈曦.浙江大学 2016



本文编号：3377672