面向工业过程故障诊断的FP-growth方法及应用

发布时间：2017-07-06 16:20

  本文关键词：面向工业过程故障诊断的FP-growth方法及应用

  更多相关文章： FP-growth算法 UFP 故障诊断 TE过程 核电验证平台

【摘要】：FP-growth算法是一种挖掘频繁项集的有效算法。然而,该算法因多次遍历频繁集列表而产生的庞大频繁模式树需占用大量内存,降低了运行效率。面向工业过程故障诊断的要求,论文提出了一个改进的FP-growth算法(Upgraded FP-growth,简称UFP),主要的研究工作如下：1、改进了传统的FP-growth算法,首先构造支持度函数实现各项与其支持度的映射,使算法的运行效率得到提高；其次,利用关键字筛选技术,把频繁项分成关键项表、非关键项表两部分,保证了最终获取的每条关联规则都是人们关注的有效信息；最后,根据频繁1-项集划分数据库子集并直接构造每一项的条件模式树,节省了内存空间。2、面对过程故障诊断的实际问题,建立了基于UFP的方法,给出诊断工业故障时的参数阈值设置规则、算法步骤和流程。将UFP算法应用于田纳西伊斯曼(Tenessee Eastman,简称TE)过程的故障诊断,首先完成关联规则挖掘,然后通过与主成分分析(Principal Component Analysis,简称PCA)算法在多种故障下的诊断结果对比实验,证明了UFP在故障诊断领域的优势。3、将所提出的工业过程故障诊断UFP方法应用于某工控企业的核电验证平台中,利用MFC进行挖掘结果的可视化,实现了对该平台常见的24种故障的诊断,证明了UFP算法在大型流程工业监控领域的适用性。并且,基于MFDraw软件绘制了核电项目的系统组态界面,实现了流程工业数据采集、传输、预处理、趋势图显示、关联规则挖掘和结果可视化等多种功能的集成,方便了操作员的监控管理。
【关键词】：FP-growth算法 UFP 故障诊断 TE过程 核电验证平台
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP277;TP311.13
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 前言12-18
• 1.1 研究背景与意义12-13
• 1.2 相关技术现状13-16
• 1.2.1 基于数据驱动的故障诊断方法13-14
• 1.2.2 FP-growth算法及应用14-15
• 1.2.3 TE过程及相关故障诊断方法15-16
• 1.3 内容与结构安排16-18
• 第二章 FP-growth算法的改进18-30
• 2.1 引言18
• 2.2 经典数据挖掘算法18-20
• 2.2.1 Apriori算法18-19
• 2.2.2 Eclat算法19
• 2.2.3 算法对比19-20
• 2.3 FP-growth算法20-25
• 2.3.1 相关定义20-21
• 2.3.2 算法流程21-24
• 2.3.3 算法局限24-25
• 2.4 改进算法UFP25-27
• 2.4.1 UFP算法改进策略25-27
• 2.4.2 UFP算法阈值设置27
• 2.5 本章小结27-30
• 第三章 面向工业过程故障诊断的UFP方法30-42
• 3.1 引言30
• 3.2 工业故障诊断问题30-31
• 3.3 UFP算法优势31
• 3.4 UFP算法流程31-33
• 3.5 实例研究33-41
• 3.5.1 TE过程33-36
• 3.5.2 UFP算法挖掘36-39
• 3.5.3 对比实验39-41
• 3.6 本章小结41-42
• 第四章 应用研究42-60
• 4.1 引言42
• 4.2 UFP算法程序开发42-44
• 4.3 核电验证平台项目44-50
• 4.3.1 反应堆冷却剂系统45
• 4.3.2 主给水流量控制系统45-50
• 4.4 故障诊断50-54
• 4.5 软件组态界面54-59
• 4.6 本章小结59-60
• 第五章 结论与展望60-62
• 参考文献62-66
• 致谢66-68
• 研究成果及发表的学术论文68-70
• 作者及导师简介70-72
• 附件72-73

【参考文献】

中国期刊全文数据库 前1条

1 叶凌箭;李英道;宋执环;;一种构造化工过程被控变量的方法[J];化工学报;2011年08期

，

本文编号：526939