基于时序数据的设备故障检测与故障因子分析方法研究
发布时间：2022-02-26 07:09
工业生产过程中由于设备故障造成停工,会产生大量的经济损失。伴随着工业4.0的深入推进和物联网技术的不断发展,重要工业设备的检测与维护数据被不断收集存储,这些监测数据中包含了大量的故障信息,为故障检测和故障的因子分析提供了数据准备。运用数据挖掘技术对设备故障进行检测,有利于提早发现故障,避免故障扩大造成更严重的损失。在设备故障检测的基础上进一步分析挖掘故障因子并且找到设备故障的原因,不仅可以指导工业设备科学的使用与维护,而且可以根据故障因子调整检修方案来减少事故发生。本文通过基于数据驱动的故障检测与因子分析模型,为设备维护与精确检测故障提供有效的科学理论保障。针对工业设备时序数据特点与故障检测与因子分析的应用需求,本文提出了一套工业设备时序数据特征工程的完整流程,特征工程包括了时序数据缺失、时序数据聚合与特征提取、时序数据标准化以及样本不均衡等问题的解决策略。同时针对工业故障检测中多分类的需求,提出了一种基于有向无环图（DAG）的集成多分类模型,通过减少基础的分类器个数提高故障检测效率。本文提出用随机森林模型对故障进行检测,结合相关性分析挖掘故障因子进行故障单因子分析。为了分析故障因子之...
【文章来源】：广东工业大学广东省
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 课题来源
1.3 国内外研究现状
1.3.1 时间序列特征工程技术相关研究
1.3.2 故障检测技术相关研究
1.3.3 故障因子分析算法研究
1.4 论文的研究内容
1.5 论文组织结构
第二章 项目背景与相关技术介绍
2.1 序列挖掘的应用需求
2.2 工业设备时序数据特点
2.3 工业序列数据挖掘流程
2.4 多分类模型
2.5 随机森林算法
2.5.1 Bagging集成学习方法
2.5.2 决策树算法原理
2.5.3 随机森林原理及重要参数
2.6 基于关联规则的分类算法
2.6.1 基本概念
2.6.2 分类关联规则挖掘
2.6.3 CBA分类器构建
2.7 本章小结
第三章 时序数据特征工程
3.1 问题描述
3.2 数据预处理
3.2.1 数据缺失与噪音的处理
3.2.2 时间序列聚合
3.2.3 数据离散化
3.2.4 数据标准化
3.2.5 特征融合
3.2.6 类别不平衡问题
3.3 多分类问题的解决策略
3.4 仿真实验及分析
3.5 本章小结
第四章 基于随机森林和WCBA的故障因子分析模型
4.1 问题描述
4.2 基于随机森林的单因子分析模型
4.2.1 随机森林算法
4.2.2 故障因子分析原理
4.2.3 故障因子相关性分析
4.3 故障因子关联性分析
4.3.1 数据准备
4.3.2 分类关联规则构建(CBA-RG)
4.3.3 故障检测分类器构建(CBA-CB)
4.4 仿真实验及分析
4.5 本章小结
第五章 仿真实验与性能分析
5.1 实验方案
5.2 实验环境
5.3 实验数据准备
5.3.1 仿真数据
5.3.2 真实工业数据集
5.4 性能评估和指标
5.5 实验结果与分析
5.5.1 多分类模型的效果验证
5.5.2 时序数据特征工程
5.5.3 基于随机森林的故障因子分析模型
5.5.4 WCBA故障因子关联性分析模型
5.6 本章小结
结论
参考文献
攻读学位期间发表论文
攻读学位期间参加的科研项目
致谢
【参考文献】：
期刊论文
[1]聚类HMM模型在QAR数据分析中的应用研究[J]. 杨慧,毛好好,霍纬纲. 计算机应用与软件. 2018(01)
[2]分数阶傅里叶变换在轴承故障诊断中的应用[J]. 邵岩,卢迪,杨广学. 哈尔滨理工大学学报. 2017(03)
[3]异常用电检测中解决样本不平衡问题的新方法[J]. 汤典艳,林伟. 工业控制计算机. 2017(03)
[4]GE燃驱机组辅助系统典型故障分析[J]. 葛建刚. 自动化应用. 2016(08)
[5]基于时延自相关ICA的列车轮对轴承复合故障诊断方法[J]. 黄采伦,李忠,王靖,张小娟,曾照福. 铁道学报. 2016(05)
[6]改进VPMCD法及其在机械故障诊断中的应用[J]. 贾民平,韩冰. 中国机械工程. 2015(14)
[7]改进的多元时间序列符号化表示方法研究[J]. 刘博,郭建胜. 计算机仿真. 2015(01)
[8]基于多特征分布式拒绝服务攻击的检测[J]. 李振军,程杰仁. 信息网络安全. 2013(05)
[9]基于数据驱动的故障诊断方法综述[J]. 李晗,萧德云. 控制与决策. 2011(01)
硕士论文
[1]基于时间序列技术的中小桥梁监测数据分析技术研究[D]. 秦思杨.重庆交通大学 2015
[2]基于特征的时间序列聚类[D]. 李深洛.广西师范大学 2014
[3]基于主元分析法的工业锅炉故障诊断的研究[D]. 韩同瑞.大连海事大学 2012
本文编号：3644196
【文章来源】：广东工业大学广东省
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 课题来源
1.3 国内外研究现状
1.3.1 时间序列特征工程技术相关研究
1.3.2 故障检测技术相关研究
1.3.3 故障因子分析算法研究
1.4 论文的研究内容
1.5 论文组织结构
第二章 项目背景与相关技术介绍
2.1 序列挖掘的应用需求
2.2 工业设备时序数据特点
2.3 工业序列数据挖掘流程
2.4 多分类模型
2.5 随机森林算法
2.5.1 Bagging集成学习方法
2.5.2 决策树算法原理
2.5.3 随机森林原理及重要参数
2.6 基于关联规则的分类算法
2.6.1 基本概念
2.6.2 分类关联规则挖掘
2.6.3 CBA分类器构建
2.7 本章小结
第三章 时序数据特征工程
3.1 问题描述
3.2 数据预处理
3.2.1 数据缺失与噪音的处理
3.2.2 时间序列聚合
3.2.3 数据离散化
3.2.4 数据标准化
3.2.5 特征融合
3.2.6 类别不平衡问题
3.3 多分类问题的解决策略
3.4 仿真实验及分析
3.5 本章小结
第四章 基于随机森林和WCBA的故障因子分析模型
4.1 问题描述
4.2 基于随机森林的单因子分析模型
4.2.1 随机森林算法
4.2.2 故障因子分析原理
4.2.3 故障因子相关性分析
4.3 故障因子关联性分析
4.3.1 数据准备
4.3.2 分类关联规则构建(CBA-RG)
4.3.3 故障检测分类器构建(CBA-CB)
4.4 仿真实验及分析
4.5 本章小结
第五章 仿真实验与性能分析
5.1 实验方案
5.2 实验环境
5.3 实验数据准备
5.3.1 仿真数据
5.3.2 真实工业数据集
5.4 性能评估和指标
5.5 实验结果与分析
5.5.1 多分类模型的效果验证
5.5.2 时序数据特征工程
5.5.3 基于随机森林的故障因子分析模型
5.5.4 WCBA故障因子关联性分析模型
5.6 本章小结
结论
参考文献
攻读学位期间发表论文
攻读学位期间参加的科研项目
致谢
【参考文献】：
期刊论文
[1]聚类HMM模型在QAR数据分析中的应用研究[J]. 杨慧,毛好好,霍纬纲. 计算机应用与软件. 2018(01)
[2]分数阶傅里叶变换在轴承故障诊断中的应用[J]. 邵岩,卢迪,杨广学. 哈尔滨理工大学学报. 2017(03)
[3]异常用电检测中解决样本不平衡问题的新方法[J]. 汤典艳,林伟. 工业控制计算机. 2017(03)
[4]GE燃驱机组辅助系统典型故障分析[J]. 葛建刚. 自动化应用. 2016(08)
[5]基于时延自相关ICA的列车轮对轴承复合故障诊断方法[J]. 黄采伦,李忠,王靖,张小娟,曾照福. 铁道学报. 2016(05)
[6]改进VPMCD法及其在机械故障诊断中的应用[J]. 贾民平,韩冰. 中国机械工程. 2015(14)
[7]改进的多元时间序列符号化表示方法研究[J]. 刘博,郭建胜. 计算机仿真. 2015(01)
[8]基于多特征分布式拒绝服务攻击的检测[J]. 李振军,程杰仁. 信息网络安全. 2013(05)
[9]基于数据驱动的故障诊断方法综述[J]. 李晗,萧德云. 控制与决策. 2011(01)
硕士论文
[1]基于时间序列技术的中小桥梁监测数据分析技术研究[D]. 秦思杨.重庆交通大学 2015
[2]基于特征的时间序列聚类[D]. 李深洛.广西师范大学 2014
[3]基于主元分析法的工业锅炉故障诊断的研究[D]. 韩同瑞.大连海事大学 2012
本文编号：3644196
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3644196.html
