基于智能技术的一类非线性系统故障诊断与预测方法研究
发布时间：2021-10-26 23:55
如何减少生产过程中的故障隐患,提高系统的安全性和可靠性,已成为现代工业系统发展中不可回避的重大问题。故障诊断与预测技术是提高系统运行可靠性、降低系统运行风险的重要方法和必要手段。现代工业系统大多为非线性系统,具有干扰强、结构复杂、参数不确定、动态时变、故障耦合性强等特点,致使故障诊断与预测难度大。因此,探究如何利用先进的科学技术,有目的、有方法、有针对性地对系统进行故障诊断和预测,是非常有意义的研究课题。本文以实际非线性系统为研究对象,基于滤波技术、信号处理、优化算法、神经网络、深度学习等智能技术,对非线性系统故障诊断与预测方法展开研究。论文的主要创新研究成果如下:（1）提出了两种基于智能优化粒子滤波的故障诊断方法。针对粒子滤波算法中由于粒子退化和多样性缺失而导致系统突变情况下状态估计精度下降,从而影响基于粒子滤波的故障诊断方法故障诊断准确性和诊断系统鲁棒性的问题,以重采样策略的改进为切入点,结合变频变异策略和天牛群搜索算法,分别提出了变频变异粒子滤波算法（variable frequency based mutation for particle filter algorithm,V...
【文章来源】：兰州理工大学甘肃省
【文章页数】：157 页
【学位级别】：博士
【部分图文】：
论文研究思路
博士学位论文31图2.21k=50时VFM-PF算法粒子分布结合图2.15～2.21，易见PF算法由于多次执行重采样操作，致使粒子多样性丧失，仅保有高权值粒子，且都集中在似然区的中心位置；GRPF和BAPF在似然区内外均有粒子的分布，粒子多样性要优于PF算法；而VFM-PF在保证高似然区内粒子数目的同时，外围分布更广、更均匀，表现出了更好的多样性，这种粒子多样性的优秀表现也为系统发生突变情况下能够保持较好的估计精度提供了条件。2.3.3.2二维飞行目标跟踪实验图2.22飞行目标跟踪系统为了进一步验证算法估计性能，选择了二维飞行目标跟踪系统作为模型，如图2.22所示，进行了仿真实验。建立状态空间模型如式(2.31)所示：22(1)()()()(())(())()prprXkAXkBakzkxkxykyk(2.31)
?基矗然而，污水处理过程中恶劣的反应环境加剧了设备故障及过程故障的发生概率，比如过程工业中的传感器信号的可靠输出是掌握过程信息的关键因素，长时间受到污水的腐蚀，甚至污泥的覆盖会使传感器的工作特性受到影响，出现恒增益、恒偏差或者卡死故障，使输出信号出现偏差或漂移等异常现象，一旦操作人员接收到错误的信号，就会执行错误的操作，反而导致了出水水质恶化，以致达不到出水标准。因此，为保障污水处理系统的出水水质，对DO传感器实现高准确性故障诊断是十分有必要的。2.4.2曝气池溶解氧过程故障诊断模型图2.26活性污泥过程基准仿真模型欧洲COST组织和国际水协会(IWA)针对活性污泥法提出了一套仿真基准模型(benchmarksimulationmodelno.1,BSM1)如图2.26所示。BSM1可大体分为两个重要部分：第一部分是曝气池，它由五个隔室(反应器)组成，其中前两个是缺氧反应器，后三个是好氧反应器；第二部分是次级沉降池，也就是二沉池。曝气池
【参考文献】：
期刊论文
[1]深度学习在旋转机械设备故障诊断中的应用研究综述[J]. 吴春志,冯辅周,吴守军,陈汤,王杰. 噪声与振动控制. 2019(05)
[2]深度学习在电力负荷预测中的应用[J]. 张建寰,吉莹,陈立东. 自动化仪表. 2019(08)
[3]利用自适应粒子滤波的传感器故障诊断识别[J]. 刘红艳,麦艳红,孔繁镍,母三民. 控制工程. 2019(07)
[4]Remaining Useful Life Model and Assessment of Mechanical Products: A Brief Review and a Note on the State Space Model Method[J]. Yawei Hu,Shujie Liu,Huitian Lu,Hongchao Zhang. Chinese Journal of Mechanical Engineering. 2019(01)
[5]基于类脑模块化神经网络的污水处理过程关键出水参数软测量[J]. 蒙西,乔俊飞,韩红桂. 自动化学报. 2019(05)
[6]基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法[J]. 陈志敏,吴盘龙,薄煜明,田梦楚,岳聪,顾福飞. 电子学报. 2018(04)
[7]粒子滤波方法在转子典型故障诊断中的应用[J]. 刘晓强,荆建平,李亚伟,杨广振,贾林. 噪声与振动控制. 2017(06)
[8]大型风力发电机组故障诊断综述[J]. 曾军,陈艳峰,杨苹,郭红霞. 电网技术. 2018(03)
[9]基于小波包变换和极限学习机的滚动轴承故障诊断[J]. 李瑞莲,兰媛,熊晓燕. 太原理工大学学报. 2017(06)
[10]一种摄动粒子滤波故障检测方法[J]. 张琪,张志利,李天梅,郑建飞. 电机与控制学报. 2017(11)
博士论文
[1]统计聚类和粒子滤波在故障诊断中的应用研究[D]. 李丽敏.西北工业大学 2014
[2]非线性系统故障诊断若干方法及其应用研究[D]. 颜秉勇.上海交通大学 2010
[3]混合智能技术及其在故障诊断中的应用研究[D]. 雷亚国.西安交通大学 2007
硕士论文
[1]基于模型的风电齿轮箱故障检测[D]. 孙娟.南京理工大学 2015
本文编号：3460445
【文章来源】：兰州理工大学甘肃省
【文章页数】：157 页
【学位级别】：博士
【部分图文】：
论文研究思路
博士学位论文31图2.21k=50时VFM-PF算法粒子分布结合图2.15～2.21，易见PF算法由于多次执行重采样操作，致使粒子多样性丧失，仅保有高权值粒子，且都集中在似然区的中心位置；GRPF和BAPF在似然区内外均有粒子的分布，粒子多样性要优于PF算法；而VFM-PF在保证高似然区内粒子数目的同时，外围分布更广、更均匀，表现出了更好的多样性，这种粒子多样性的优秀表现也为系统发生突变情况下能够保持较好的估计精度提供了条件。2.3.3.2二维飞行目标跟踪实验图2.22飞行目标跟踪系统为了进一步验证算法估计性能，选择了二维飞行目标跟踪系统作为模型，如图2.22所示，进行了仿真实验。建立状态空间模型如式(2.31)所示：22(1)()()()(())(())()prprXkAXkBakzkxkxykyk(2.31)
?基矗然而，污水处理过程中恶劣的反应环境加剧了设备故障及过程故障的发生概率，比如过程工业中的传感器信号的可靠输出是掌握过程信息的关键因素，长时间受到污水的腐蚀，甚至污泥的覆盖会使传感器的工作特性受到影响，出现恒增益、恒偏差或者卡死故障，使输出信号出现偏差或漂移等异常现象，一旦操作人员接收到错误的信号，就会执行错误的操作，反而导致了出水水质恶化，以致达不到出水标准。因此，为保障污水处理系统的出水水质，对DO传感器实现高准确性故障诊断是十分有必要的。2.4.2曝气池溶解氧过程故障诊断模型图2.26活性污泥过程基准仿真模型欧洲COST组织和国际水协会(IWA)针对活性污泥法提出了一套仿真基准模型(benchmarksimulationmodelno.1,BSM1)如图2.26所示。BSM1可大体分为两个重要部分：第一部分是曝气池，它由五个隔室(反应器)组成，其中前两个是缺氧反应器，后三个是好氧反应器；第二部分是次级沉降池，也就是二沉池。曝气池
【参考文献】：
期刊论文
[1]深度学习在旋转机械设备故障诊断中的应用研究综述[J]. 吴春志,冯辅周,吴守军,陈汤,王杰. 噪声与振动控制. 2019(05)
[2]深度学习在电力负荷预测中的应用[J]. 张建寰,吉莹,陈立东. 自动化仪表. 2019(08)
[3]利用自适应粒子滤波的传感器故障诊断识别[J]. 刘红艳,麦艳红,孔繁镍,母三民. 控制工程. 2019(07)
[4]Remaining Useful Life Model and Assessment of Mechanical Products: A Brief Review and a Note on the State Space Model Method[J]. Yawei Hu,Shujie Liu,Huitian Lu,Hongchao Zhang. Chinese Journal of Mechanical Engineering. 2019(01)
[5]基于类脑模块化神经网络的污水处理过程关键出水参数软测量[J]. 蒙西,乔俊飞,韩红桂. 自动化学报. 2019(05)
[6]基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法[J]. 陈志敏,吴盘龙,薄煜明,田梦楚,岳聪,顾福飞. 电子学报. 2018(04)
[7]粒子滤波方法在转子典型故障诊断中的应用[J]. 刘晓强,荆建平,李亚伟,杨广振,贾林. 噪声与振动控制. 2017(06)
[8]大型风力发电机组故障诊断综述[J]. 曾军,陈艳峰,杨苹,郭红霞. 电网技术. 2018(03)
[9]基于小波包变换和极限学习机的滚动轴承故障诊断[J]. 李瑞莲,兰媛,熊晓燕. 太原理工大学学报. 2017(06)
[10]一种摄动粒子滤波故障检测方法[J]. 张琪,张志利,李天梅,郑建飞. 电机与控制学报. 2017(11)
博士论文
[1]统计聚类和粒子滤波在故障诊断中的应用研究[D]. 李丽敏.西北工业大学 2014
[2]非线性系统故障诊断若干方法及其应用研究[D]. 颜秉勇.上海交通大学 2010
[3]混合智能技术及其在故障诊断中的应用研究[D]. 雷亚国.西安交通大学 2007
硕士论文
[1]基于模型的风电齿轮箱故障检测[D]. 孙娟.南京理工大学 2015
本文编号：3460445
本文链接：https://www.wllwen.com/shoufeilunwen/gckjbs/3460445.html
