基于NPE-ELM的间歇过程质量相关故障检测

由于一部分间歇过程变量与质量变量并不相关,传统的质量相关故障检测方法是基于所有的过程变量来建立统计模型,所以会抑制或淹没某些有用的局部信息,降低过程监测的性能。因此,针对间歇过程广泛存在的复杂程度高、关联性强和非线性特征,提出了基于邻域保持嵌入极限学习机(NPE-ELM)的质量相关故障检测算法。首先,通过最大信息系数(MIC)将间歇过程变量划分为质量相关和无关变量;然后,基于划分的质量相关和无关子空间,分别应用NPE-ELM算法进行间歇过程故障检测;最后,数值例子和青霉素发酵过程的仿真结果,验证了所提算法的可行性。     

基于Bagging-CVA的动态过程及质量相关故障检测

针对过程数据具有时序相关性以及过程故障是否影响产品质量的问题,提出一种基于Bagging思想和典型变量分析(CVA)的故障检测方法(Bagging-CVA).采用Bagging思想对建模数据随机抽样构成多组新的数据集,消除数据的时序相关性.分别在每组新的数据集基于CVA方法建立过程相关和质量相关的故障检测模型,同时监测...     

复杂工业过程质量相关的故障检测与诊断技术综述

质量相关的故障检测与诊断技术是保证安全生产及获得可靠产品质量的有效手段,是当前国际过程控制领域的研究热点.首先,梳理了质量相关的故障检测技术中典型方法的基本思想和改进过程;其次,概述了质量相关的故障诊断技术中常用的贡献图法及其相关改进方法之间的联系,并通过带钢热连轧过程（Hot strip mill process,HSMP）案例比较了各种典型方法在质量相关的故障检测与诊断性能上的异同;最后,面向复杂工业过程运行数据的主要特性,评析了质量相关的故障检测与诊断方法的研究现状,并指出了该研究领域亟需解决的问题和未来的发展方向.     

基于自适应混合核典型变量分析的工业过程质量相关故障检测

质量相关故障检测技术是保障工业过程安全顺行和质量稳定的重要手段,是当前流程工业过程控制领域的研究热点.针对工业过程的非线性与动态特性及其质量相关故障的时变特性,提出一种基于自适应混合核典型变量分析(AMKCVA)的质量相关故障检测方法.该方法通过设计合理的混合核函数和自适应监测统计量,提升了工业过程质量相关故障的检测性...     

基于KVAE-OCCA的质量相关故障检测方法及应用

为了解决非线性过程质量相关故障检测问题,提出了一种名为关键变量自编码器-正交典型相关分析(KVAE-OCCA)的方法.首先,为了挑选出与质量变量具有相关性的过程变量,计算过程变量和质量变量的互信息,选择具有较大互信息的过程变量.然后,利用自编码器对选择出的过程变量进行无监督学习,实现特征提取和降维.其次,利用正交典型相...     

基于高效核偏最小二乘的质量相关故障检测

核偏最小二乘(KPLS)是一种多元统计方法, 广泛应用于过程监控, 然而, KPLS采用斜交分解, 导致质量相关空间存在冗余信息易引发误报警. 因此, 本文提出了高效核偏最小二乘(EKPLS)模型, 所提方法通过奇异值分解(SVD)将核矩阵正交分解为质量相关空间和质量无关空间, 有效降低质量相关空间中的冗余信息, 并采用主成分分析(PCA)按方差大小将质量相关空间分解为质量主空间和质量次空间. 此外, 为进一步降低由质量无关故障引发的误报警, 提出基于质量估计的正交信号修正(OSC)预处理方法, 并结合EKPLS模型提出了OSC-EKPLS算法. OSCEKPLS通过质量估计值对被测数据进行OSC预处理, 降低了计算复杂度和误报率. 最后, 通过数值仿真和田纳西–伊斯曼过程验证了OSC-EKPLS具有良好的故障检测性和更低的误报率.     

基于递推MPLS算法的质量相关故障在线监控技术

改进潜结构投影(MPLS)算法是一种反映过程变量与质量变量相关关系的多元统计分析方法,已有效应用于稳态过程的故障监控.对于缓时变工业系统, MPLS模型难以描述当前过程,因此,需定时更新模型以加强对当前过程的监控.常用的模型更新方式是数据扩充的方法,然而该方法重复使用历史数据导致建模样本不断积累,模型更新效率非常低下.为提高模型动态更新效率,提出递推改进潜结构投影(RMPLS)算法,采用递推结构动态更新MPLS模型,与数据扩充方法相比避免了样本累积,极大地提高了模型更新效率.最后,在田纳西-伊斯曼过程中比较RMPLS和MPLS的模型更新计算量和质量相关故障检测效果,结果表明RMPLS可有效降低模型更新计算量,并全面提高质量相关故障的监测能力.     

基于LPP的工业过程故障检测

针对传统的降维算法在降维过程中存在着丢失数据的局部邻域信息的问题,一种基于局部保持投影(LPP)用于工业工程数据检测的方法被应用。LPP算法的思想是通过构造数据样本点之间的亲疏关系,并且在投影降维的同时保留数据样本点的这种局部邻域结构,从而保留数据的局部信息。论文将LPP算法与传统的降维算法-主元分析法(P CA)在田纳西-伊斯曼过程(T EP)仿真系统上进行检测对比,结果表明,LPP算法具有更加优越的检测性能。     

基于LSTM的设备故障在线检测方法

在工业4.0时代,随着IoT的广泛应用,工业设备的故障检测对于提高设备的可靠性具有重要的意义。在实际的工业场景中,由于设备之间的关系复杂多变,难以用统一的模型来表示设备的运行状态。近年来,随着深度学习技术的不断发展与进步,深度学习技术成为故障检测的主流解决方案。提出了一种基于长短记忆神经网络的在线故障检测模型,采用曲线排齐方法对传感器数据进行特征提取,基于长短时记忆神经网络（LSTM）开发故障检测模型,最后借助滑动窗口技术实现了设备故障的在线检测以及模型的在线更新。基于真实的发电厂传感数据进行了实验验证,实验结果表明了该方法的有效性。     

数据流相关软件故障的静态检测

建立了数据流相关的软件故障模型,对应用程序中由于变量的定值与引用操作及动态内存访问过程中导致故障发生的情况进行了分析．该类故障的检测需要数据流分析的支持．基于程序控制结构的精确数据流分析方法,充分考虑了不同程序路径上变量的定值情况,在静态分析过程中模拟了动态执行过程中到达各引用点的定值信息．根据引用-定值链建立的故障诊断规则,为有效地进行故障检测提供了依据．     

基于BP神经网络的石化过程在线故障监测系统

针对石化生产过程的高危性,开发了石化过程在线故障监测系统.通过OPC(OLE for process control)接口从生产现场采集实时数据,采用BP神经网络(back-propagation artificial neural network,BPNN)的模式识别方法,对生产过程进行实时故障监测,及时发现故障工况并提示操作人员采取相应措施,以减小系统运行的风险.BP神经网络的训练数据来自历史数据库,用户根据已发生过的故障工况确定训练数据的时间范围.BP网络模型的各项参数根据多次试验得到.对某工段的10个故障,其故障诊断准确率达到90%以上,具有较高的实时性和准确性.     

一种基于用户反馈检测大型在线系统前台故障的方法

大型在线系统在不同终端中的客户端由于兼容问题和频繁迭代容易出现前台显示故障,如控件覆盖、乱码等。由于传统系统后台的指标监控方法无法应对症状繁杂的前台故障,提出利用用户反馈动态检测前台故障的方案,通过对用户反馈的实时分析,挖掘其中关键信息动态构建监控指标,来表征并覆盖各种类型的前台故障。进一步设计快速在海量指标中进行异常检测的两阶段算法,实时地检测出指标中的异常并反映故障。该方法在多个真实大型在线系统中均获得了良好的检测效果,准确率达70%,召回率超过90%。     

三相感应电动机的在线故障检测与诊断问题研究

本文建立了三相感应电动机的通用故障模型，提出了一种检测，分离，并估计出其转子与定子故障的新方法，最后，应用一个４４７０千瓦的大型电动机的实际参数作了仿真研究，验证了本文方法的有效性。     

基于偏最小二乘的质量相关多模态故障检测技术

偏最小二乘(PLS)算法通常适用于稳定工况下的工业过程故障检测.在日趋复杂的工业过程中,过程数据通常不满足正态分布,存在非线性、动态、多模态等问题.针对多模态问题,已有大量模态区分方法可用,但这些方法都未考虑质量相关因素,因此并不适用于质量相关类算法.为此,针对质量相关类算法提出新的质量相关模态区分规则,该规则通过核模糊聚类对添加线性递增时间变量的数据在时间方向上进行初步的聚类,再通过质量相关指标进一步准确划分模态;同时,过程复杂化导致静态控制限不能满足故障检测的需求,现存的动态控制限适用范围具有一定的局限性,可通过改进动态控制限将其推广为广义动态综合控制限.实验中,先是基于两种非线性偏最小二乘模型将新方法应用于青霉素发酵过程故障检测中,极大减少了漏报率和误报率.最后,通过数值仿真实验验证了添加线性递增时间变量的合理性.     

基于局部信息增量与MPLS的质量相关故障检测方法

在工业生产中,对系统进行故障检测具有十分重要的作用.改进的偏最小二乘(modified partial least squares,MPLS)是在PLS基础上提出的一种扩展算法,在质量相关故障检测中具有良好的检测效果,但当测试数据中含有质量无关故障时,MPLS算法漏报率较高.另外,MPLS算法的阈值为固定值会导致其误报...     

基于ESMMP算法的工业过程故障检测

针对多流形投影(multi-manifold projection,MMP)算法忽略原始数据高阶统计量信息的问题,将统计量模式分析(statistic pattern analysis,SPA)算法引入MMP算法中,提出集成统计量多流形投影(ensemble statistic multi-manifold proje...     

基于EEMD-kNN的工业过程微小故障检测

针对非线性工业过程早期发生的微小故障不易检出的问题,提出一种基于集合经验模态分解(Ensemble empirical Mode Decomposition, EEMD)的k近邻(k-Nearest Neighbor, kNN)指标累积和故障检测方法(EEMD-kNN)。通过EEMD预处理原始建模数据,在本征函数构建的数据空间中引入kNN规则,提出构造一种加权因子来强化特征,使重构建模数据集更好地包含数据的非线性特征;再一次采用kNN规则提取重构样本的非线性特征,并构建k近邻距离平方累积和统计量,通过核密度估计法确定其控制限。通过一个数值案例和TE(Tenessee Eastman)过程进行实验仿真,并与kNN和EEMD-PCA方法进行对比,结果验证了该方法的有效性。     

基于递推参数辨识的齿轮箱故障在线检测

为实现齿轮箱故障的在线检测,提出基于递推AR模型参数辨识的齿轮箱振动信号在线辨识方法。对实验室的齿轮箱进行不同工况下振动信号的检测,利用最优辅助变量法确定其自回归模型的阶次和模型参数的初值,以自回归模型系数作为状态变量,采用Kalman滤波器技术进行在线递推参数辨识。实验结果表明,该方法中参数变化量的2-范数会发生突变,能检测出齿轮磨损和轴承外圈剥落的故障。     

基于数据监测的膀胱治疗仪故障在线监测方法

在泌尿系统医学检验和临床诊断中,膀胱治疗仪发挥重要作用,但膀胱治疗仪故障发生率较高,为了提高膀胱治疗仪故障诊断效能,提出基于数据监测的膀胱治疗仪故障在线监测方法。构建膀胱治疗仪故障数据采集模型,采用级联传感器实现对膀胱治疗仪故障类型化参数采集和特征分析,分析膀胱治疗仪的可控性负荷参数,提取膀胱治疗仪故障关联规则特征量,采用子空间辨识的方法,实现对膀胱治疗仪故障特征分离和聚类分析,采用数据在线监测和统计分析的方法,通过数据动态特征检测和故障特征提取,实现膀胱治疗仪故障在线监测。仿真测试结果表明,采用该方法进行膀胱治疗仪故障检测的准确性较高,故障诊断性能较好,提高了膀胱治疗仪各种类型化故障的在线检测和诊断能力。     

液压泵运行过程计算机在线监测与故障补偿

本文在对液压泵常见故障进行分析的基础上，提出了利用微计算机和工作区域图对其运行过程进行在线监测的基本原理和方法，同时对液压泵的故障补偿问题进行了分析和讨论，并通过试验证明了该方法的有效性。