针对关键性能指标的故障诊断方法研究

发布时间：2017-05-25 00:01

  本文关键词：针对关键性能指标的故障诊断方法研究，，由笔耕文化传播整理发布。

【摘要】：由于在故障诊断方面的有效性和经济性,基于数据的故障诊断法在近二十年里得到了快速的发展。与传统基于模型的故障诊断方法相比,基于数据的方法不需要根据系统的第一原理来建立精确的数学模型。它能够通过分析工业系统采集到的数据来达到故障诊断的目的。这使得基于数据的故障诊断方法非常适用于难以建立精确数学模型的现代大型、复杂系统,比如化工厂和大型电子电路。针对关键性能指标(Key Performance Indicators,KPI)的故障诊断法是基于数据故障诊断法的一种。它是近几年由于实际工业生产的需要而被提出来的。在一个实际的工业生产过程中往往存在着一些备受关注的性能指标,比如在轧钢厂中最终钢板的厚度和平整度。这些关键性能指标对最终产品的合格率起着主要的作用,从而对一个工厂的经济效益产生重要的影响。工业过程中发生的故障往往是影响这些关键性能指标的重要因素。但是并不是所有发生的故障都会对一个工厂的关键性能指标产生影响。对于工业生产中发生的不同故障类型也应该采取不同的应对措施。如何判断一个工业系统中发生的故障是否影响它的关键性能指标是KPI故障诊断的主要研究内容。本论文是对作者硕士期间在KPI故障诊断方向上成果的总结。论文的主要研究内容包括:(1)对故障诊断(特别是KPI相关的故障检测与诊断)的研究背景和国内外研究状况进行了阐述。对常见的故障诊断算法进行了简要的介绍。传统偏最小二乘法(Partial Least Squares,PLS)在用于KPI故障诊断方面存在着无法准确判断系统所发生的故障是否KPI相关的问题。为了解决这个问题,论文中提出了一种增强偏最小二乘(Improved Partial Least Squares,IPLS)故障诊断法。在PLS的基础上,IPLS把故障空间分解为KPI相关和KPI无关的两个子空间,从而达到准确判断所发生的故障是否KPI相关的目的。与常见的KPI故障诊断方法相比,IPLS故障诊断法具有结构简单、故障检测率高和诊断结果准确等优点。(2)现有的KPI故障诊断方法大部分是在PLS的基础上改进过来的。但是PLS在数据建模时本身存在着一些缺点。比如,在PLS算法中需要确定潜在变量个数。潜在变量的个数直接影响着最终建立的数据模型是否准确,并最终影响故障诊断结果。但是目前还没有一种在理论上被证明是最优的潜在变量个数确定方法。此外,在目前常见的KPI故障诊断方法中还存在着容易造成漏诊的问题。考虑到现有KPI故障诊断方法中存在的这些问题,本论文提出了一种改进最小二乘(Modified Least Squares,MLS)故障诊断方法。MLS是在最小二乘法(Least Squares,LS)的基础上提出来的,因此MLS不存在着像基于PLS故障诊断法需要调节潜在变量个数的问题。为了解决LS在数据建模时容易产生过拟合现象,MLS先采用一种数据预处理技术来提取过程变量中部分KPI无关的信息,然后采用提取信息后的过程变量数据来建立模型。此外,MLS还通过同时采用Q统计量和Hotelling’s 2T统计量两个故障诊断量来提高了它的故障检测率。(3)现有的KPI故障诊断法最后往往得到多个故障诊断量,从而导致最终的故障诊断逻辑过于复杂。为了解决这一问题,本论文对KPI故障诊断的诊断量进行了重新的定义。相较于于传统常用的诊断指标,新定义的指标具有简单、意义明确的优点。此外,田纳西伊斯曼(Tennessee Eastman,TE)系统是一个在过程控制中常用的仿真系统。为了让TE系统能够更好地运用于KPI故障诊断的研究中,本论文对TE的21个故障进行了详细的分析,并根据分析结果最终将他们分为了KPI相关和KPI无关故障两部分。本论文所提出的KPI故障诊断方法都在数值仿真例子和TE化工系统上进行了验证,并与常见的KPI故障诊断法进行了比较。最后,总结与展望部分对论文的研究工作进行简要总结,并对本论文的未来可能的研究方向进行了描述。
【关键词】：数据驱动故障诊断 关键性能指标 统计过程监控 偏最小二乘法 最小二乘法
【学位授予单位】：渤海大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP277
【目录】：

• 摘要4-6
• ABSTRACT6-13
• 1. 绪论13-23
• 1.1 关于故障诊断的基础概念14-15
• 1.2 故障诊断方法分类15-19
• 1.3 KPI相关故障诊断问题介绍及其研究现状19-21
• 1.4 论文框架21-23
• 2. 常见故障诊断方法介绍23-33
• 2.1 主元分析（PCA）故障检测法23-25
• 2.1.1 PCA算法简介23-24
• 2.1.2 基于PCA算法的故障诊断24-25
• 2.2 偏最小二乘（PLS）故障诊断法25-29
• 2.2.1 PLS算法简介26-28
• 2.2.2 基于PLS的故障诊断28-29
• 2.3 全潜结构投影（TPLS）故障诊断法29-32
• 2.3.1 TPLS算法简介29-30
• 2.3.2 基于TPLS的故障诊断30-32
• 2.4 本章小结32-33
• 3. 增强偏最小二乘算法及其在KPI故障诊断中的应用33-52
• 3.1 引言33-34
• 3.2 IPLS故障诊断法34-39
• 3.2.1 IPLS算法34-37
• 3.2.2 基于IPLS的故障诊断方案37-38
• 3.2.3 关于IPLS故障诊断法的备注38-39
• 3.3 仿真实验研究39-50
• 3.3.1 数值仿真例子39-44
• 3.3.2 TE过程系统仿真实验44-50
• 3.4 本章小结50-52
• 4. 改进最小二乘算法及其在KPI故障诊断中的应用52-81
• 4.1 引言52-54
• 4.2 MPLS故障诊断法回顾和问题描述54-60
• 4.2.1 MPLS算法54-56
• 4.2.2 基于MPLS的故障诊断56-58
• 4.2.3 问题描述58-60
• 4.3 MLS故障诊断法60-67
• 4.3.1 OSC算法61-63
• 4.3.2 MLS算法63-64
• 4.3.3 基于MLS的故障诊断64-66
• 4.3.4 用于KPI相关故障诊断的诊断指标66-67
• 4.4 仿真实验研究67-80
• 4.4.1 数值仿真例子67-73
• 4.4.2 TE系统仿真实验73-80
• 4.5 本章小结80-81
• 总结与展望81-83
• 参考文献83-88
• 发表论文情况88-89
• 参加的科研项目89-90
• 致谢90-91

【相似文献】

中国期刊全文数据库 前10条

1 吴凡;;状态监测和故障诊断技术的现状与展望[J];国外电子测量技术;2006年03期

2 ;2011年第二十届测试与故障诊断技术研讨会征文通知[J];计算机测量与控制;2011年04期

3 师文谦;;浅谈计算机的故障诊断[J];计算技术与自动化;1986年03期

4 贾民平;机械故障诊断学的理论及其应用 第一讲 故障诊断的意义及研究发展概况[J];江苏机械制造与自动化;1999年01期

5 张峻宾;蔡金燕;;故障诊断与硬件演化的一体化设计[J];微电子学与计算机;2014年02期

6 张健成,周士昌,虞和济,丁相福,李国栋;故障诊断中的信息机制[J];基础自动化;2000年04期

7 田少民;工程机械的状态监测与故障诊断技术[J];工程机械;2001年01期

8 王敏,王万俊,熊春山,黄心汉;基于多传感器数据融合的故障诊断技术[J];华中科技大学学报;2001年02期

9 葛晓锋,陈素珊,何勇;基于图论和模糊数学的故障诊断新方法[J];浙江大学学报(农业与生命科学版);2001年04期

10 郭春,郭健;故障诊断的概率方法[J];计算机工程与科学;2001年04期

中国重要会议论文全文数据库 前10条

1 杨其校;刘昭度;齐志权;马岳峰;;汽车ABS电机故障诊断[A];第三届全国信息获取与处理学术会议论文集[C];2005年

2 黎清海;高庆;;基于系统分层的故障诊断方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

3 闻竞竞;黄道;;故障诊断方法综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 李t

本文编号：392255