基于多块KPCA和SDG 的故障诊断方法

针对大规模复杂工业过程,提出一种基于多块核主元分析(MBKPCA)和符号有向图(SDG)的故障诊断方法。首先,提出基于SDG和优先级的分块策略,以强连接元SCC为最高优先级、多入/出度节点群为次高优先级、节点链为最低优先级对过程进行分块;在此基础上,采用MBKPCA进行过程监控,对于检测到的故障,先确定故障发生在哪一个数据块,再触发SDG在故障块内完成故障定位。所提出方法克服了多块KPCA故障隔离不完全和SDG推理过程中组合爆炸的缺点,可以提高复杂工业过程故障诊断的准确度和速度。基于Tennessee Eastman过程的仿真研究表明了所提出故障诊断方法的有效性。     

基于K-均值聚类的KPCA在故障诊断中的应用

针对大规模样本集的核主成分分析(KPCA)存在计算代价巨大的问题,提出一种新的KPCA快速算法。该算法通过施行改进初始中心选择策略的K-均值聚类算法划分样本集,然后选取每个分类的中心作为样本集建立KPCA模型。将该方法应用于TE(Tennessee Eastman)过程的故障诊断,与基于全体样本的KPCA进行比较。实验结果表明,二者的诊断效果相当,但是新的方法在计算上所耗费的时间更少。     

基于KPCA的发动机失火故障诊断研究

针对国六排放标准对汽车发动机失火故障诊断提出的新要求,提出一种基于KPCA的发动机多传感器数据驱动的失火故障诊断模型。该方案选取了发动机传感器网络中6个与失火关联度较高的传感器数据,分别进行数据处理和特征提取;然后使用KPCA对特征矩阵进行降维融合,挖掘特征之间的非线性关系,从而形成对发动机运行状态相对综合的评价;再以T2统计量和Q统计量作为指标进行失火故障诊断;最后通过发动机仿真数据集验证了该方案进行失火故障诊断的准确率。     

KPCA方法过程研究与应用

给出一种基于核函数的主成分分析方法,它主要用来解决大规模非线性数据的特征提取问题。文中给出了简化的协方差矩阵的计算方法与推导过程,还给出了KPCA方法的详细推导过程。最后使用核主成分分析的方法分别对线性与非线性分布的数据进行了分析,取得了比传统主成分分析方法更好的结果。     

基于KPCA和LS-SVM的变压器故障诊断研究

电力变压器故障机理复杂,具有不确定性,难以进行准确的状态评估,提出核主成分分析和最小二乘支持向量机结合的变压器诊断方法。首先对样本数据进行非线性映射到高维空间,对映射后的特征向量进行信号重构,其次利用特征空间信号重构的最小误差准则对数据进行离群判断,找出异常特征样本并剔除,最后将核主元分析方法提取特征的数据输入最小二乘支持向量机中分类,识别数据是否存在故障及故障的类型。结果证明本方法的可行性和有效性。     

基于KPCA的决策树方法及其应用

主成分分析(PCA)作为一种数据减少技术常用于构造决策树,有利于降低树的复杂度和提高分类精度,但在处理非线性问题时往往不能取得好的效果.针对上述情况,提出了一种基于核主成分分析(KPCA)的决策树方法.实验结果表明,该方法是可行的和有效的,且在分类精度、方差贡献率等方面优于基于PCA的决策树.     

综合性SDG故障诊断架构

基于模型的SDG(Signed DiGraph,符号有向图)故障诊断方法因其具有完备性好、推理深度高等优点在过程工业安全工程中具有十分重要的意义,已成为安全工程中的1种关键技术。本文在以前研究的基础上,提出了1个综合性SDG故障诊断架构,以期能够实现在生产过程中及时发现故障并判明故障源。该综合性故障诊断架构按模型、推理和应用3个层次搭建,以传统定性SDG及概率SDG理论为基础,包含了从模型建立到故障诊断推理,从定性SDG方法到结合统计监控的SDG方法再到概率SDG方法等一系列实施方案。该综合性SDG故障诊断架构由于引入了多元统计监控模型,使得在系统没有表现出明显的故障征兆时就能够及时敏感地检测到异常变化,进而触发SDG及PSDG推理来实现对故障源的查找,并给出各故障源发生故障的概率值,以指导使用者按照概率值的大小顺序采取处理措施。以某石化公司的气体分馏装置为实际背景,利用该装置实时数据库中的实际生产工艺数据对该综合性诊断架构进行了实例验证,其故障诊断结果与实际发生的故障相吻合,证明了该综合性故障诊断架构的有效性。     

SDG故障诊断规则的知识约简

符号有向图(SDG)是揭示流程系统深层知识的定性模型,用于描述流程系统的状态变量及其变量间的故障信息传递关系.当系统的状态变量过多,运用SDG故障诊断算法生成的故障规则过于庞大,推理困难.粒矩阵的知识约简算法能有效约简冗余属性.因此,将粒矩阵的知识约简算法引入SDG故障诊断,以电站除氧器系统为例,使用粒矩阵的知识约简算法约简主要故障的故障规则,简化规则中的冗余节点,提高故障诊断效率,最后验证了约简后的故障诊断规则的正确和有效.     

基于时延SDG和ICA的多工况过程故障预测方法

针对多工况生产过程,提出基于时延符号有向图(SDG)和独立成分分析(ICA)的在线故障预测方法.时延符号有向图描述了过程变量间信息传递的方向和时延大小;在有向图模型基础上,对过程数据进行信息同步校正;ICA方法应用于校正后的过程数据,使得基于ICA的性能监测方法具有良好的故障预测能力.在空分设备中的应用结果表明,该方法...     

基于核主元分析–主元分析的多阶段间歇过程故障监测与诊断

具有过渡特性的多阶段间歇过程故障监测是一个复杂的问题,既需要考虑稳定阶段下的故障监测,也需要考虑不同阶段间的过渡故障监测.为克服传统硬划分方法导致误警和漏报率高的缺陷,同时也为实现更加精确、有效的故障监测与诊断,提出一套完整的基于核主元分析-主元分析(KPCA-PCA)的多阶段间歇过程故障监测与诊断策略.该方法依据数据相似度实现阶段划分,定义模糊隶属度辨识相邻阶段间的过渡,最后对稳定阶段和过渡过程分别建立具有时变协方差的PCA和KPCA故障监测与诊断模型.通过对青霉素发酵过程的仿真平台及工业应用研究表明,该方法具有更可靠的监控性能,能及时、准确的检测出过程中存在的异常情况.     

基于符号定向图的计算机辅助自动建模研究

分析了符号定向图(Signed Directed Graph,SDG)技术在危险与可操作性分析(HAZard and OPembility,HAZOP)、过程危险性分析(Process Hazard Analysis,PHA)等领域中的应用现状和前景,提出了研究基于SDG的HAZOP计算机辅助自动建模方法,构建了基于SDG的HAZOP计算机辅助自动建模软件平台,阐述了研究路线,展示了应用策略。软件平台构建的研究填补了国内在SDG自动建模领域的研究空白,拓展了计算机辅助设计(CAD)技术和符号定向图(SDG)技术在复杂系统重大事故及智能诊断领域的应用。     

基于模糊推理的SDG故障诊断新方法

针对纯定性的SDG推理方法忽略了SDG图中节点之间的影响程度不同导致诊断分辨率不高这一问题,提出了在纯定性SDG推理的基础上用模糊矩阵的形式加入节点间相互影响关系的定量信息的推理新方法,可对多潜在故障源划分优先级,从而提高SDG故障诊断的分辨率。相对于其他模糊SDG故障诊断方法,本方法勿需使用隶属函数,取而代之的是模糊矩阵,后者的获取易于前者,且采用矩阵的表示方法方便了计算机编程的实现。     

基于主元子空间故障重构技术的故障诊断研究

针对基于主元分析(PCA)的统计性能监控法,由于不用过程机理模型的信息,因此,对故障诊断问题有难以在理论上作系统分析的缺陷,于是提出了一种基于主元子空间故障重构技术的故障诊断方法。利用故障子空间的概念,在故障重构技术的基础上,研究基于T~2统计量的故障诊断问题,提出故障识别指标和诊断算法。通过对双效蒸发过程的仿真监测,验证该诊断方法的有效性。     

多元统计方法在故障诊断中的应用综述

在对常用故障诊断方法进行简单介绍的基础上,着重对多元统计方法在故障诊断领域的应用进行综述。针对常规方法在解决非线性、时变动态、故障隔离和辨识等问题的缺陷,总结了不同学者解决这些问题的最新进展。最后给出了多元统计方法在工业过程故障诊断领域可能的发展方向。     

SDG建模及其应用的进展

符号有向图SDG(signed directed graph)是描述大规模复杂系统的一种有效方式,通过节点和有向支路表示了系统变量或局部之间的因果影响关系.近年来,关于SDG的研究已经成为热点并已取得许多成果,特别是在安全分析领域得到了重要的应用.本文在概述了SDG方法的产生背景与发展近况的基础上,主要综述了SDG研究中的若干重要问题,包括SDG模型的数学描述和基于数学模型、流程图和经验知识的三种建模方法,以及SDG在安全评价和故障诊断领域研究和应用的相关成果,总结了相关方法的优缺点,其中的核心问题是推理方法及其效率.最后对SDG技术的发展方向做出了展望,定量信息引入、推理方法、计算机建模等方面都有待于进一步研究.     

基于四阶累积分析的工业大肠杆菌制备过程故障诊断

工业大肠杆菌制备过程具有非线性和非高斯性共存的特征,导致难以对故障源进行有效定位,针对这个问题,提出一种基于多向核熵独立元分析(MKEICA)的过程监测方法;同时针对传统低阶监控统计量(T2, I2和SPE)无法得到非高斯信息的不足提出了四阶累积监控统计量的方法;其次通过对四阶累积监控量进行推导,得到故障产生的原因.最后将其应用在实际的工业过程并与多向核独立元分析(MKICA)监测模型进行对比验证该方法的可行性及有效性.