首页 | 本学科首页   官方微博 | 高级检索  
     

多元指数加权移动平均主元分析的微小故障检测
引用本文:邱天,白晓静,郑茜予,朱祥.多元指数加权移动平均主元分析的微小故障检测[J].控制理论与应用,2014,31(1):19-26.
作者姓名:邱天  白晓静  郑茜予  朱祥
作者单位:华北电力大学,华北电力大学,华北电力大学,华北电力大学
基金项目:国家自然科学基金重点项目,国家重点基础研究发展计划,中央高校基本科研业务费专项资金
摘    要:主元分析(principal component analysis,PCA)是一种有效的数据分析方法,在故障诊断与状态监测方面已得到广泛应用.多元指数加权移动平均–主元分析(multivariate exponentially weighted moving average principal component analysis,MEWMA–PCA)方法用于解决PCA不能有效检出微小故障的问题.本文深入研究了MEWMA–PCA中EWMA影响主元分析进行故障检测的机制,导出了MEWMA–PCA可检出微小故障的原因.本文确定了MEWMA–PCA中遗忘因子λ、单传感器故障幅值和迟延时间三者的关系,并进行了数值仿真和火电厂磨煤机组运行状态的仿真实验.实验结果验证了MEWMA–PCA中EWMA提高PCA的监测性能的机制,并给出了根据系统实际要求来选取合适的遗忘因子值,从而在规定的时间内检出微小故障的实例.

关 键 词:微小故障    主元分析    指数加权移动平均    故障检测
收稿时间:2013/2/17 0:00:00
修稿时间:8/2/2013 12:00:00 AM

Incipient fault detection of multivariate exponentially weighted moving average principal component analysis
QIU Tian,BAI Xiao-jing,ZHENG Xi-yu and ZHU Xiang.Incipient fault detection of multivariate exponentially weighted moving average principal component analysis[J].Control Theory & Applications,2014,31(1):19-26.
Authors:QIU Tian  BAI Xiao-jing  ZHENG Xi-yu and ZHU Xiang
Affiliation:North China Electric Power University,North China Electric Power University,North China Electric Power University,North China Electric Power University
Abstract:
Keywords:incipient faults  principal component analysis (PCA)  exponentially weighted moving average (EWMA)  fault detection
本文献已被 CNKI 等数据库收录!
点击此处可从《控制理论与应用》浏览原始摘要信息
点击此处可从《控制理论与应用》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号