基于核主元分析的故障检测与诊断研究

论文摘要

随着科学的发展和技术的进步,系统的复杂性和自动化水平日趋提高,故障发生的可能性和严重性也不断增加,故障检测与诊断技术已成为提高系统安全性和可靠性的重要手段之一。基于数据驱动的故障检测与诊断方法既不需要建立复杂的数学模型,也不需要准确的先验知识,充分利用信息技术获取大量实时数据,直接从过程数据入手研究故障检测与诊断。深入研究基于数据驱动的故障检测与诊断方法,不仅具有重要的理论意义,还具有广阔的应用前景。本文结合相关学科理论取得的成果,着重研究了基于核主元分析的故障检测与诊断方法,针对核主元分析存在的一些不足,将核主元分析与粒子群优化算法、小波包变换、支持向量机结合,分别提出了基于粒子群优化的核主元分析的故障诊断方法、基于小波包的核主元分析的故障检测方法,以及多类支持向量机分类器与核主元分析相结合的故障诊断方法,同时以TE模型为对象,对所提出的方法进行了仿真研究和仿真结果分析。本文的主要研究工作为：1.针对核主元分析的性能受本身核函数参数的影响,提出了基于粒子群优化的核函数参数选优方法,通过建立核函数参数优化模型,应用粒子群优化算法实现核函数的参数寻优,数值仿真验证方法的可行性。将上述基于PSO的核函数参数选优方法与核主元分析的特征提取结合,通过TE模型,进行了基于PSO的核主元分析的故障状态识别的仿真研究。2.研究了核主元分析的基本原理及SPE和T2统计量,给出了基于核主元分析的故障检测算法流程,通过TE模型进行了仿真研究,验证方法的有效性。根据基于PSO的核主元分析的特征提取方法,结合基于贡献图的故障识别方法,提出了基于PSO的核主元分析的故障检测与诊断方法,减小了核函数参数设置的盲目性,提高了故障检测与诊断的效率。同时采用TE模型进行仿真验证,根据SPE和T2统计量的变化来判断是否发生故障,根据各变量对统计量的贡献率来判别故障变量、识别故障源,实现故障的检测与诊断。3.针对过程数据含有噪声的问题,研究了小波包分析的基本原理,给出了小波包去噪预处理算法,结合基于PSO的核主元分析的故障检测方法,提出基于小波包的核主元分析的故障检测方法,TE模型的仿真研究表明该方法能有效减少非线性主元的个数,使故障监控曲线更为光滑,提高了故障监控效果。4.研究了支持向量机的基本原理以及多类支持向量机的分类方法,结合核主元分析的故障检测方法,提出了基于核主元分析与支持向量机的故障诊断方法,一方面通过核主元分析的故障检测方法实现故障监控,另一方面通过训练多类支持向量机分类器来进行故障分类,识别故障类型,实现故障诊断。数值仿真验证方法的有效性。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题研究的背景及意义
• 1.2 基于数据驱动的故障检测与诊断研究现状
• 1.3 课题研究的主要内容及论文结构
• 第2章 基于粒子群优化的核主元分析（KPCA）方法的研究
• 2.1 粒子群优化算法（PSO）
• 2.1.1 粒子群优化算法概述
• 2.1.2 粒子群优化算法原理与步骤
• 2.2 基于PSO的核函数参数选优方法研究
• 2.2.1 核主元分析的基本原理
• 2.2.2 核函数方法
• 2.2.3 核函数参数确定
• 2.2.4 基于PSO的核函数参数选优算法设计
• 2.2.5 仿真研究
• 2.3 田纳西-伊斯曼过程
• 2.3.1 过程工艺流程图
• 2.3.2 过程变量和过程故障
• 2.4 基于PSO的核主元分析方法的研究
• 2.4.1 基于PSO的核主元分析的特征提取研究
• 2.4.2 基于PSO核主元分析的TE模型的故障状态识别
• 2.5 小结
• 第3章 基于核主元分析的故障检测与诊断的研究
• 3.1 基于核主元分析的故障检测方法
• 2统计量'>3.1.1 SPE统计量和T²统计量
• 3.1.2 基于核主元分析的故障检测算法步骤
• 3.1.3 基于TE模型的仿真研究
• 3.2 基于PSO的核主元分析的故障检测与诊断方法
• 3.2.1 基于PSO的核主元分析的故障诊断算法及步骤
• 3.2.2 基于TE模型的仿真研究
• 3.3 基于小波包的核主元分析的故障检测方法研究
• 3.3.1 小波包分析基本原理
• 3.3.2 小波包去噪算法研究
• 3.3.3 基于小波包的核主元分析的故障检测方法
• 3.3.4 基于TE模型的仿真研究
• 3.4 小结
• 第4章 基于核主元分析与支持向量机（SVM）的故障诊断方法研究
• 4.1 支持向量机
• 4.1.1 支持向量机基本原理
• 4.1.2 多类支持向量机分类方法及算法
• 4.2 基于核主元分析与支持向量机（SVM）的故障诊断研究
• 4.2.1 基于多类SVM的故障分类器的建立
• 4.2.2 基于核主元分析与支持向量机（SVM）的故障诊断算法
• 4.2.3 仿真研究
• 4.3 小结
• 第5章 总结与展望
• 5.1 工作总结
• 5.2 研究展望
• 参考文献
• 在读期间发表的学术论文及研究成果
• 致谢