基于PCA/KPCA初始字典优化的故障诊断算法研究

字典学习是一种有效的统计机器学习方法,也被应用于工业过程的故障诊断。初始字典直接影响对数据特征的表达,从而影响故障诊断效果。本文采用PCA/KPCA来对初始字典进行优化,以获得原子间冗余度小、特征表达准确的初始字典。提出了用PCA/KPCA优化初始字典的故障诊断算法框架,讨论了离线学习和在线诊断的核心问题。以机车变压器冷却油泵为对象进行了试验,取 6对差动感测线圈输出为样本,对比了5种算法的故障诊断、故障定位及故障类型判别性能。结果表明:基于字典学习的故障诊断优于传统PCA、KPCA 算法,用PCA/KPCA优化初始字典的确能提升故障诊断性能,在初始字典优化试验对比中KPCA优于KPCA,表明KPCA更加适合油泵的非线性特征。     

基于全相位FFT超声波流量计的相位检测方法研究

针对传统相位差法超声流量计在相位测量中易受外界干扰、准确度低的问题,提出了一种基于全相位快速傅立叶变换算法的超声波流量计相位检测方法。该方法由PLL时钟发生器产生两个频率相近的正弦信号分别用于激励与混频,并通过差频技术将混频后的参考信号与回波目标信号的相位信息从高频处理为低频信号,再由16位ADC对信号同步采样。超声波采样信号通过全相位预处理后进行FFT计算,得到准确的相位结果。同时,对比分析了全相位FFT的抗干扰性和采样频率对相位测量精度的影响,并将设计的电路应用于超声波液体流量测量,最终实验结果表明超声波流量计样机的测量误差优于1%,测量量程比为160：1。     

复合故障诊断技术综述

复合故障诊断是故障诊断技术中的难点问题,因为实际工程和复杂系统中多个故障经常存在.本文对复合故障的故障机理、表现形式、诊断思路进行了概述.将故障模式识别存在多输出可能性的求解问题定义为复合故障诊断的科学问题.分析了复合故障诊断的难点.讨论了复合故障的研究现状,按照基于解析模型、基于定性经验、数据驱动的分类方式分别对现有的典型诊断方法和相关技术进行了综述,指出了这些方法的适用范围和优缺点.并探讨了复合故障诊断技术的发展方向.     

基于改进PCA模型的工作站故障诊断方法研究

工作站广泛应用于工业生产。现有的PCA故障诊断模型在检测工作站故障时存在模型过度拟合、指标冲突、参数敏感度低等问题,误检漏检较多。针对上述问题,提出一种基于改进PCA模型的工作站故障诊断方法,即MA-PCA(Multi-index Principal Component Analysis)。在传统PCA主成分分析故障诊断模型基础上,在主元空间和残差空间计算T2和SPE统计量,引入控制限融合深度系数的统计量指标,调整控制限,根据主成分中的参数贡献量反馈调整诊断模型,构建自适应更新的故障诊断模型。最后通过实例分析,验证了所提出的改进PCA模型故障诊断方法的可行性,并与传统PCA模型和三项故障诊断方法的诊断结果进行比对,该方法在故障诊断准确率上可提高2.7%～8.2%。     

高温高压对超声流量计表体变形量及测量精度的影响

在国内尚无高温高压标准水流量检定装置的情况下，为了保证超声波流量计在核电站主给水流量测量误差在0.3%以内，该文基于有限元分析与高温高压静态实验相结合的方法对高温高压引入的表体结构参数变形量及产生的流量测量误差进行分析。研究结果表明，设计的高温高压静态实验装置具有较高的变形量测量精度和测量稳定性。在无高温高压水流量标准装置的情况下，对提高超声波流量计在高温高压状态的测量精度具有积极作用；温度是影响表体结构参数变形的主要因素，压力影响可以忽略。表体结构参数变形量与温度之间呈线性关系，随温度的升高而增大；在P=7.8 MPa,T=226℃工况下，超声波流量计结构参数变形量引入的误差为0.64%，无法满足核电站主给水流量测量误差为0.3%的要求。     

基于PCA的密封油温异常故障诊断方法

密封油温度波动情况与汽轮发电机组安全、稳定与运行状态息息相关，为保证机组稳定运行，提出了一种基于PCA的方法对密封油温度进行实时监测系统。利用PCA算法训练进行离线建模，利用综合指标作为故障检测指标实现在线监测，最后采用基于重构的贡献图法对测试集进行故障诊断，以确保系统第一时间锁定故障参数。通过某1000 MW机组密封油空侧回路作为研究对象，构建PCA模型，结果表明，提出的方法能够准确检测密封油温度出现异常的情况，并且能在故障发生前进行提前预警，确定故障发生参数，保证机组的稳定安全运行。     

基于主元分析的桥梁挠度传感器故障诊断研究

主元分析(PCA)是一种典型的数据降维的多元统计方法,已被越来越多地用于故障诊断。将PCA应用在桥梁挠度传感器故障诊断。介绍了PCA的理论,研究了基于PCA的故障检测方法和基于贡献率的故障诊断方法。计算平方预测误差(SPE)和Hoteling T2统计,当统计量超过阈值时,判断系统出现了传感器故障,然后通过SPE贡献图判断故障源。通过仿真验证了PCA在故障诊断的实用性,但结果也表明:PCA对小故障不是很敏感。     

超声波流量计在煤层气流量计量中的应用

通过对超声波流量计的测量原理和影响超声波测量精度的因素分析,详细阐述了解决测量精度的具体方法,提供了仪表选型、安装的指导性建议.     

基于定量模型故障诊断技术若干问题的研究

近几十年来 ,有关基于定量模型故障检测与诊断技术的研究一直受到关注。首先简介了基于定量模型FDD技术的基本原理 ,强调鲁棒性和性能指标是基于定量模型故障诊断技术的可行性和应用性的关键之一。对以上诸多技术进行了研究和讨论 ,并提出利用未知输入观测器进行复合故障估计的新方法。     

超声波流量计换能器参数的选择

超声波换能器是超声波流量计的重要组成部分,它是利用超声波技术进行流量测量的关键,其参数选择直接影响到整个检测系统的性能和可靠度。针对外夹式超声波流量计不能准确地选取换能器的问题,基于时差法测量原理,分析了超声波在管道中的传播过程;进而通过分析计算获取换能器的发射频率、发射角度以及发射强度。根据计算得到的技术参数可以更加准确地选取超声波换能器。     

基于蓝牙5.0低功耗通信技术的智能流量计APP设计与实现

随着工业自动化仪表成为工业生产过程中不可或缺的现场设备,工业上对智能自动化仪表(如智能流量计等)的功能要求越来越多。针对各类智能制造流水线对流量计的非接触、快速无感、批量抄表的技术要求,对现有技术进行分析研究,引入蓝牙5.0技术。考虑流量计数据的移动查询需求,且实现远距离控制及远程专家协助的功能需求,提出了一款基于蓝牙5.0的智能流量计模型。在此基础上,设计并实现了一款基于蓝牙5.0低功耗通信技术的智能流量计APP,实现了智能流量计与手机APP的数据交换。该APP支持用户端查询智能流量计的历史数据、故障代码、实时监控、程序升级等特定应用场景。通过协议扩展,融合多类型流量计、大数据以及人工智能等相关新兴技术,该APP可泛化应用于自动化仪表行业,成为行业专用工具APP。     

神经网络在小管径超声波流量测试中的应用

介绍了一种基于神经网络的改进型超声波流量测量系统的研制,该系统针对时差法超声波流量计在小管径应用上时差难以测量的不足,采用动量BP算法,实现了对各种非线性影响因素的补偿,通过参数修正有效地提高了系统的测量精度。与传统时差法超声波流量计相比,该系统稳定性好,精度高,具有良好的应用价值和推广价值。     

基于模糊故障树的ILS接收机的故障诊断

仪表着陆系统是飞机导航系统的重要子系统,其可靠性直接关系到飞机能否安全运行。为了准确描述故障对仪表着陆系统功能的影响程度,文中基于对仪表着陆系统接收机故障概率的分析,将模糊数学和故障树方法相结合,以AIR-BUS 320仪表着陆系统接收机为例,详述了模糊故障树的建模过程,并通过对其进行失效分析,给出了仪表着陆系统接收机的故障诊断算法。仿真结果表明,所建立的模型满足仪表着陆系统对接收机的故障诊断要求,且建模方法具有广泛的适用性。     

基于时变模型辨识的高速列车复合故障诊断

高速列车信息控制系统因运行条件异常变化或操作不当会造成电机警告级高温、电机电流异常变化、电机转子断条以及气隙偏心等运行故障.这些随机发生的复合故障会影响速度等级和牵引力/制动力的调节,且难以采用基于单故障诊断方法建模故障与速度的关系,以及诊断报警等级.对此,提出一种基于Takagi-Sugeno(T-S)时变模型辨识的高速列车复合故障诊断方法.首先,采用多元统计检测指标离线辨识故障阈值并建立复合故障时变模型;然后,借助模糊聚类算法辨识故障特征值集合,利用模糊加权最小二乘法在线估计故障幅值并进行参数收敛性分析.最后,设计故障分离机制以刻画不同故障模式的报警等级并给出稳定性分析.基于CRH5G型高速列车实际运行数据的仿真结果验证了所提出方法的有效性.     

主成分分析和超限学习机的模拟电路故障诊断

为提高模拟电路故障诊断特征信息提取的完整性,实现故障模式分类的准确性,达到网络训练测试的快速性,提出了一种基于主成分分析（Principal Components Analysis,PCA）和极限学习机（ELM）相结合的模拟电路故障诊断新方法。在OrCAD16.3中通过设置仿真模拟电路元器件参数及其容差,获得电路各状态的MonteCarlo样本数据,经PCA降维提取特征信息以获得最优的特征模式,继而采用ELM对故障进行分类识别。以Sallen-Key带通滤波器电路为实例进行仿真研究,结果表明该方法具有特征提取效果好,神经网络训练学习速度快,故障诊断效率高,泛化性能好等特点。     

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。     

基于贝叶斯准则的航天器故障判决方法

研究航天器故障准确识别问题,由于多种因素干扰造成的航天器遥测参数观测值误差,导致故障诊断系统误判航天器状态.如何正确地从噪声信号中提取出关键的故障信号,并且根据故障发生概率及影响因素对故障进行判决,是目前航天器故障诊断领域面临的一大难题.在可获得先验的故障概率和代价系数的条件下,通过对高斯环境中故障信号误差的分析,建立了错误判决代价的贝叶斯准则判决方法,设计了高斯白噪声情况下采用贝叶斯准则进行故障判决的算法.通过某航天器实际遥测数据的实验结果表明,改进方法可显著提高系统的故障诊断准确性.     

基于PCA的火电厂电气设备故障诊断方法

电气设备故障诊断中对样本数据要求较高,且易出现特征提取难、诊断精准度低等问题,因此,提出基于PCA的火电厂电气设备故障诊断方法。通过PCA分析得出数据间相关性,经过标准化计算确定主元数量,利用最优重构法构建主元模型,基于PCA处理设备输出相应的采样信号,提取故障特征主要成分,采用BP神经网络与遗传算法相结合,优化原网络中参数结构,获取出最优取值网络结构、初始权值、阈值以及学习速率,构建出具有最佳结构和参数的神经网络实现故障诊断。仿真实验结果表明,所提方法可通过最优网络结构减少整体计算步骤,测得实验数据与真实值相差较小,具有较高有效性。     

基于观测器的故障诊断技术的鲁棒性

基于观测器的动态系统故障诊断技术的可行性和应用性,关键是对系统不确定性因素具有良好的鲁棒性.根据基于观测器的故障诊断系统鲁棒性的特点,强调通过增加观测器自身的鲁棒性,提高线性不确定系统的故障诊断鲁棒性,并对利用未知输入观测器方法增强鲁棒性进行讨论.提出估计复合故障的一种新的复合故障估计器的设计方法,给出其存在条件以及理论证明,并提出相应的算法.     

主元空间中故障重构的故障识别（英文）

基于主元分析(Principal Component Analysis,PCA)统计过程监控方法,由于其不需要数学模型,因此目前在过程监控领域获得了广泛应用,但这也限制了其在故障诊断方面的能力。针对此问题,本文从故障子空间与PCA监控模型的角度,利用故障重构技术,对基于PCA的T~2统计量进行重构,获得了主元子空间中T~2统计量的故障可重构性理论条件,提出了具体的故障识别指标和诊断算法,解决了基于主元子空间故障重构技术的故障诊断问题,弥补了Dunia等人的方法只在残差子空间中讨论故障重构与识别问题。通过对双效蒸发过程的仿真监控,表明了所获得的理论条件、故障识别指标和诊断算法能对传感器故障和过程故障进行有效地识别,证实了所获理论、识别指标和诊断算法的有效性。