数据驱动的复杂工业过程监测与故障诊断

发布时间：2021-03-15 16:17

　　随着国民经济的迅猛发展,现代工业朝着大规模、复杂化和精细化方向发展。复杂工业过程一旦发生事故,便会造成巨大经济损失,甚至带来人员伤亡。因此,工业生产过程的可靠性和安全性迫切需要提高。对工业生产过程的运行状态进行实时监控,及时发现工业生产中可能出现的故障状态和对工业故障发生原因进行诊断是提高系统可靠性和降低事故风险的重要途径。本文针对复杂工业过程的不同数据特性,对非线性特性和时变特性的过程数据进行了建模分析,重点探讨了数据驱动的复杂工业过程在线过程监测和故障诊断方法。主要研究内容总结如下:（1）传统的多元统计过程监测方法因难以适应复杂工业过程的时变特性,容易造成过程监测虚警率高或者未能及时报警等问题。本文提出一种自适应滑窗递归稀疏主成分分析方法,用于时变工业过程的在线过程监测。首先,通过滑窗提取正常过程数据空间的特征信息,并对当前窗口数据块矩阵进行稀疏主成分分析,构建稀疏主成分分析过程监测模型;然后,根据相邻窗口的相似度实时调整遗忘因子以自适应更新滑窗大小,使得所建立的稀疏主成分过程监测模型可以有效追踪复杂的时变过程;最后,通过递归更新滑窗稀疏载荷矩阵来动态更新过程监测模型。数值仿真系统... 

【文章来源】：湖南师范大学湖南省 211工程院校

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

载荷向量图

弹性网结构示意图

矩阵相似度对比图


本文编号：3084456