基于稀疏主元分析的故障检测研究
发布时间：2022-01-20 18:43
随着工业过程的发展,其规模越来越大,流程也越来越复杂。在工业过程运行过程中,如果设备或过程出现了故障而没有得到及时的检测与处理,不仅会降低生产效率,增加维护成本,严重时甚至会威胁到人类的生命安全。因此为了预防事故的发生,在工业现场引入一种实时有效的故障检测系统变得十分重要。在众多的工业过程故障检测方法中,多元统计方法得到了广泛的应用,吸引了越来越多的工业界与学术界的关注。主元分析法（Principal Component Analysis,PCA）是最为常见的多元统计方法之一。其主要思想是将采集到的数据进行降维处理,提取数据中的主元（即负荷矩阵）,从而进行有利于后续分析的故障检测。但其重要问题在于,降维所采用的得分矩阵通常是稠密矩阵,这使得主元的解释性较低。而稀疏主元分析（Sparse Principal Component Analysis,SPCA）方法通过稀疏化主元负荷矩阵,提高了主元的可解释性,并且在在线检测时能具有更快的运算效率。首先,针对工业过程所具有的动态特性,本文利用SPCA的思想,结合动态主元分析法（Dynamic Principal Component Analys...
【文章来源】：浙江理工大学浙江省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
过程监控步骤
浙江理工大学硕士学位论文 基于稀疏主元分析的故障检测研究1.2.2 故障检测方法分类随着故障诊断领域的不断发展，越来越多的故障检测方法被开发出来，故障检测的分类法则也随着方法的扩充发生了一定的变化[15-16]。本文参考目前较为主流的对故障诊断的分类方式，将故障检测方法分为三类[17-18]：定性检测方法，定量检测方法，半定量半定性检测方法。粗略的故障检测方法分类如图 1.2 所示。定性分析主要利用系统的因果逻辑关系来对故障的具体表现进行判断，代表方法有图论方法和专家系统。定量分析则是通过建立数学模型对过程数据进行计算分析，代表方法包括模型分析和数据驱动。
江理工大学硕士学位论文 基于稀疏主元.2 基于 PCA 的多元故障检测方法.2.1 主元分析多元统计方法即对多个观测变量进行统计分析的方法，是基于数据。相比较只针对单个变量进行统计分析的单变量统计方法，多元统计量之间的关联。PCA 是最常见的多元统计方法之一，是一种用于降低数据可解释性、并尽可能减少信息损失的技术。PCA 在学术领域和工的运用。按照 Web of Science 的数据库统计，在 2000 年至 2015 年间习方法的应用中，PCA 的出现概率达到了 51%，如图 2.2 所示[57]。1%
【参考文献】：
期刊论文
[1]基于稀疏主成分分析的乳制品拉曼光谱特征提取及解析技术研究[J]. 桂冬冬,鲁齐,金灿灿,张正勇,王海燕. 光谱学与光谱分析. 2018(S1)
[2]双谱分析法在风机轴承故障诊断中的应用[J]. 程静,王维庆,何山. 自动化仪表. 2016(07)
[3]基于数据驱动的微小故障诊断方法综述[J]. 文成林,吕菲亚,包哲静,刘妹琴. 自动化学报. 2016(09)
[4]基于敏感稀疏主元分析的化工过程监测与故障诊断[J]. 刘洋,张国山. 控制与决策. 2016(07)
[5]基于鲁棒ICA-PCA的TE故障诊断[J]. 衷路生,解冬东. 计算机应用研究. 2016(10)
[6]稀疏认知学习、计算与识别的研究进展[J]. 焦李成,赵进,杨淑媛,刘芳,谢雯. 计算机学报. 2016(04)
[7]基于稀疏主元分析的过程监控研究[J]. 彭必灿,张正道. 计算机工程与应用. 2014(18)
[8]微小故障诊断方法综述[J]. 李娟,周东华,司小胜,陈茂银,徐春红. 控制理论与应用. 2012(12)
[9]基于相对变换PLS的故障检测方法[J]. 石怀涛,刘建昌,张羽,李龙. 仪器仪表学报. 2012(04)
[10]用残差CUSUM控制图检测自相关过程中的故障[J]. 王海涛,陈友明,陈永康,秦建英. 振动.测试与诊断. 2012(01)
博士论文
[1]基于数据驱动的复杂多模态过程模态识别及过程监测研究[D]. 张淑美.东北大学 2016
[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]基于符号有向图的热力系统故障诊断方法研究[D]. 曹文亮.华北电力大学（河北） 2006
硕士论文
[1]基于稀疏表示和概率主元分析的化工过程故障检测与识别[D]. 马超.华东交通大学 2018
[2]免疫自适应的深度卷积神经网络故障诊断应用研究[D]. 刘向宇.太原理工大学 2018
[3]基于PSO的间歇型乙酸乙酯生产线的优化方法研究[D]. 杨岚.浙江理工大学 2018
[4]基于数据驱动的流程工业过程故障检测研究[D]. 杨俊祥.天津理工大学 2017
[5]基于故障树的故障诊断专家系统软件平台设计[D]. 彭华亮.南京理工大学 2017
[6]基于田纳西—伊斯曼过程故障检测方法研究[D]. 吴卓卓.华东交通大学 2016
本文编号：3599329
【文章来源】：浙江理工大学浙江省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
过程监控步骤
浙江理工大学硕士学位论文 基于稀疏主元分析的故障检测研究1.2.2 故障检测方法分类随着故障诊断领域的不断发展，越来越多的故障检测方法被开发出来，故障检测的分类法则也随着方法的扩充发生了一定的变化[15-16]。本文参考目前较为主流的对故障诊断的分类方式，将故障检测方法分为三类[17-18]：定性检测方法，定量检测方法，半定量半定性检测方法。粗略的故障检测方法分类如图 1.2 所示。定性分析主要利用系统的因果逻辑关系来对故障的具体表现进行判断，代表方法有图论方法和专家系统。定量分析则是通过建立数学模型对过程数据进行计算分析，代表方法包括模型分析和数据驱动。
江理工大学硕士学位论文 基于稀疏主元.2 基于 PCA 的多元故障检测方法.2.1 主元分析多元统计方法即对多个观测变量进行统计分析的方法，是基于数据。相比较只针对单个变量进行统计分析的单变量统计方法，多元统计量之间的关联。PCA 是最常见的多元统计方法之一，是一种用于降低数据可解释性、并尽可能减少信息损失的技术。PCA 在学术领域和工的运用。按照 Web of Science 的数据库统计，在 2000 年至 2015 年间习方法的应用中，PCA 的出现概率达到了 51%，如图 2.2 所示[57]。1%
【参考文献】：
期刊论文
[1]基于稀疏主成分分析的乳制品拉曼光谱特征提取及解析技术研究[J]. 桂冬冬,鲁齐,金灿灿,张正勇,王海燕. 光谱学与光谱分析. 2018(S1)
[2]双谱分析法在风机轴承故障诊断中的应用[J]. 程静,王维庆,何山. 自动化仪表. 2016(07)
[3]基于数据驱动的微小故障诊断方法综述[J]. 文成林,吕菲亚,包哲静,刘妹琴. 自动化学报. 2016(09)
[4]基于敏感稀疏主元分析的化工过程监测与故障诊断[J]. 刘洋,张国山. 控制与决策. 2016(07)
[5]基于鲁棒ICA-PCA的TE故障诊断[J]. 衷路生,解冬东. 计算机应用研究. 2016(10)
[6]稀疏认知学习、计算与识别的研究进展[J]. 焦李成,赵进,杨淑媛,刘芳,谢雯. 计算机学报. 2016(04)
[7]基于稀疏主元分析的过程监控研究[J]. 彭必灿,张正道. 计算机工程与应用. 2014(18)
[8]微小故障诊断方法综述[J]. 李娟,周东华,司小胜,陈茂银,徐春红. 控制理论与应用. 2012(12)
[9]基于相对变换PLS的故障检测方法[J]. 石怀涛,刘建昌,张羽,李龙. 仪器仪表学报. 2012(04)
[10]用残差CUSUM控制图检测自相关过程中的故障[J]. 王海涛,陈友明,陈永康,秦建英. 振动.测试与诊断. 2012(01)
博士论文
[1]基于数据驱动的复杂多模态过程模态识别及过程监测研究[D]. 张淑美.东北大学 2016
[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]基于符号有向图的热力系统故障诊断方法研究[D]. 曹文亮.华北电力大学（河北） 2006
硕士论文
[1]基于稀疏表示和概率主元分析的化工过程故障检测与识别[D]. 马超.华东交通大学 2018
[2]免疫自适应的深度卷积神经网络故障诊断应用研究[D]. 刘向宇.太原理工大学 2018
[3]基于PSO的间歇型乙酸乙酯生产线的优化方法研究[D]. 杨岚.浙江理工大学 2018
[4]基于数据驱动的流程工业过程故障检测研究[D]. 杨俊祥.天津理工大学 2017
[5]基于故障树的故障诊断专家系统软件平台设计[D]. 彭华亮.南京理工大学 2017
[6]基于田纳西—伊斯曼过程故障检测方法研究[D]. 吴卓卓.华东交通大学 2016
本文编号：3599329
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3599329.html
