共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
针对实际生产过程中缺乏故障数据,采用适合小样本问题的支持向量机对石脑油裂解炉进行故障诊断。为了消除高维数据及系统噪声对故障诊断的干扰,将量子编码引入蚁群算法,提出一种新的自适应量子蚁群算法进行故障特征选择以进一步提高诊断性能。数值仿真实验结果显示,提出的自适应量子蚁群算法具有更好的全局寻优性能;对石脑油裂解炉传感器故障的诊断结果表明自适应量子蚁群算法能快速、准确地搜索到关键故障特征,有效地提高了支持向量机故障诊断的正确率和鲁棒性。 相似文献
3.
由于单一传感器采集滚动轴承的故障信息精度较低,提出基于GA-BP神经网络的多传感器信息融合方法。首先使用单一传感器采集其状态信息,并采用小波包分析提取轴承故障状态特征,然后采用遗传算法(GA)优化BP神经网络对单传感器进行滚动轴承故障诊断,接着运用DS证据理论把每一个诊断结果进行信息融合,最终得到诊断结果。仿真实验结果表明:该方法可提高滚动轴承故障诊断的精确度和效率。 相似文献
4.
传统的监控方法往往只利用传感器观测值信息进行过程的故障监测,而忽略了原始数据中包含的其他有效信息。为此,提出一种基于多块信息提取的PCA故障监测算法。首先,对过程变量的累计误差和变化率信息进行定义,从而能够从数据中提取新的特征信息,并基于每种特征将过程划分为3个子块;然后,利用PCA方法对每个子块进行建模与监测,通过贝叶斯方法对监测结果进行融合;最后,提出一种基于加权贡献图的故障诊断方法,分离出引发故障的源变量。通过数值例子与田纳西-伊斯曼(TE)过程监控中的应用证明了所提方法的有效性与可行性。 相似文献
5.
基于多块信息提取的PCA故障诊断方法 总被引:1,自引:0,他引:1
传统的监控方法往往只利用传感器观测值信息进行过程的故障监测,而忽略了原始数据中包含的其他有效信息。为此,提出一种基于多块信息提取的PCA故障监测算法。首先,对过程变量的累计误差和变化率信息进行定义,从而能够从数据中提取新的特征信息,并基于每种特征将过程划分为3个子块;然后,利用PCA方法对每个子块进行建模与监测,通过贝叶斯方法对监测结果进行融合;最后,提出一种基于加权贡献图的故障诊断方法,分离出引发故障的源变量。通过数值例子与田纳西-伊斯曼(TE)过程监控中的应用证明了所提方法的有效性与可行性。 相似文献
6.
7.
针对工业数据非线性、时变性、时空特征耦合的特点,提出一种基于最大信息系数和残差图卷积网络的工业过程故障诊断算法(MIC-RGCN)。引入最大信息系数(MIC)挖掘变量之间的相关关系,将高维变量之间的相关信息转换为空间距离信息,构建相关性矩阵作为图卷积层的邻接矩阵输入;构建改进的深度残差图卷积网络(GCN)模型对数据的时空特征进行深度融合提取并精准分类。在田纳西-伊斯曼过程和三相流过程数据集上将该算法与4种典型机器学习和深度学习算法进行对比测试。实验结果表明,该算法有效地提升了故障诊断的准确率。 相似文献
8.
9.
一类非线性随机时滞系统的故障诊断 总被引:3,自引:1,他引:3
针对一类非线性随机时滞系统提出了一种新的故障检测算法,该方法不同于传统的故障检测方法,是通过构建一种带有Consensus滤波器的故障诊断滤波器的方法来进行故障诊断.首先采用一组传感器测量系统实际输出,然后根据传感器的测量值构建一组残差生成器,将每个残差生成器看作一个小世界网络模型中的一个节点,采用动态Consensus算法计算出残差生成器的残差,并根据残差来判断系统是否有故障发生.仿真结果表明了本文所提出方法的可行性和有效性. 相似文献
10.
针对状态含有时滞的故障系统,给出一种故障诊断设计方法。通过对系统设计未知输入观测器,利用观测的状态得到残差方程,从而诊断出时滞系统的故障,并能对传感器故障和执行器故障进行分离,最后给出故障诊断系统阈值的选取原则。 相似文献