基于多块核方法的分散化故障诊断的研究

论文摘要

随着工业过程越来越复杂,人们对生产的稳定性、高效性和安全性的要求日益提高,故障诊断方法越来越受到重视。为了更准确、及时的诊断复杂工业过程中的故障,就必须研究更完善的故障诊断理论与方法。本文首先简单介绍了故障诊断技术的发展,阐述了故障诊断的方法及其类型。详细介绍了基于数据的故障诊断方法中的主元分析法(PCA),并分析了其在处理非线性数据时的不足。为了对带有非线性的大规模过程进行更好的故障监控与诊断,本文结合了核方法与多块方法,提出了基于多块核主元分析(MBKPCA)和多块核偏最小二乘法(MBKPLS)的故障诊断方法。当工业过程数据具有非线性时,多块的核方法可以提供好的故障诊断性能。本文还提出了多块的核方法中块SPE与块T2统计量的定义,以此来进行故障诊断。基于MBKPCA的故障诊断方法被应用在田纳西伊斯曼过程来进行故障检测与诊断。针对已知输入输出的情况,将基于MBKPLS的故障诊断方法应用到连退过程的故障诊断中去。诊断的结果验证了本文提出的方法的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 故障诊断技术的发展概述
• 1.2 故障诊断方法的分类
• 1.2.1 故障及其类型
• 1.2.2 故障诊断方法及其类型
• 1.3 基于PCA的故障诊断方法的发展概况
• 1.4 本文所做工作
• 第2章 基于数据的故障诊断方法
• 2.1 数据的预处理
• 2.2 主元分析法
• 2.2.1 主元的定义
• 2.2.2 主元个数的确定方法
• 2.2.3 主元分析算法
• 2.2.4 NIPALS（Nonlinear Iterative partial least squares）
• 2.2.5 基于PCA的故障检测方法
• 2.2.6 PCA方法在过程监控中的应用
• 2.3 核主元分析法
• 2.4 PCA方法的局限性
• 2.5 多块方法
• 2.6 小结
• 第3章 基于MBKPCA的故障诊断方法
• 3.1 引言
• 3.2 多块核主元分析
• 3.2.1 一个迭代的KPCA算法
• 3.2.2 算法推导
• 3.2.3 关于MBKPCA的讨论
• 3.3 基于MBKPCA的故障诊断方法
• 3.4 仿真结果
• 3.4.1 一个非线性例子
• 3.4.2 田纳西伊斯曼过程
• 3.5 小结
• 第4章 基于MBKPLS的故障诊断方法
• 4.1 引言
• 4.2 基于MBKPLS的故障诊断
• 4.2.1 KPLS的迭代算法
• 4.2.2 多块核偏最小二乘法算法
• 4.2.3 基于多块核偏最小二乘法的故障检测与诊断
• 4.3 连退过程的分散化监控
• 4.4 小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文