基于定性趋势分析的非线性系统故障诊断研究

针对未知的多变量非线性动态系统,提出了一种新型的基于定性趋势分析的故障诊断方法。该方法采用区间半分法提取识别趋势,用模糊趋势匹配算法将实时趋势与规则知识库中的各种典型故障的特征趋势相匹配,实时诊断系统故障。将故障诊断方法成功应用到一个连续的多变量三水箱系统。     

一种改进的定性趋势识别方法

信号趋势包含重要的过程状态信息,识别趋势可以进行故障诊断。但由于随机噪声、外部干扰及信号波动等因素的影响,很难准确识别线性基元。从统计学的角度出发,引入导数值置信区间。把线性基元导数值阈值的设定转换成置信度的设定,从而提高了趋势识别算法的适应性和鲁棒性。实例验证表明该方法能准确识别线性基元。     

基于定性趋势分析的空调系统传感器故障检测

提出了基于定性趋势分析的空调系统传感器故障检测方法。该方法将空调系统中信号相似的传感器分成一组,利用组中信号间的趋势相似性进行故障检测。采集了空调系统的传感器数据,对传感器偏置故障和漂移故障进行仿真实验,结果表明,该方法能检测传感器的偏置故障和漂移故障。     

定性趋势分析及其在化工过程中的应用

趋势能够反映过程重要参数的运行状态和随后的发展趋势。本文采用一种简洁的趋势提取方法,从变量中提取半定量的片段,用3个基元来描述片段:不变、上升、下降,这种方法能够检测过程变量的跃迁,计算复杂度低,基元之间的相关性小,提取的趋势直观、简洁。针对实际工业过程中实时处理的需要,采用一种外推式在线分割算法,实现了对在线数据的合理分割,再结合最小二乘法对在线数据进行分段拟合,使其能满足在线处理的需要。     

基于定性趋势分析的油料灌装稳态过程管道堵塞故障诊断

针对油料灌装稳态过程中的管道堵塞故障,分析了管道堵塞对灌装稳态过程监控参数的影响,提出了基于定性趋势分析的油料灌装稳态过程故障诊断流程,给出了趋势提取、趋势识别及趋势匹配方法。以油料灌装控制实验装置为故障诊断对象,通过模拟不同类型的油料灌装稳态过程故障,采集管道输送压力、流量等过程监控参数时间序列数据,构建故障库,进行故障诊断案例验证,验证结果表明本文方法的有效性和正确性。     

基于模糊定性趋势分析的故障诊断方法研究

趋势能够反映过程重要参数的运行状态和发展趋向;利用定性趋势分析进行故障诊断时,趋势固有的定性特性使得趋势分类的界限变得模糊,带来诊断的模糊性和规则知识库的组合爆炸等一系列问题;将模糊理论与定性趋势分析相结合,给出了趋势提取及基于模糊逻辑的趋势匹配算法,研究了一种基于模糊定性趋势分析的故障诊断方法来有效地解决这些问题;实例分析表明,基于模糊定性趋势分析的故障诊断方法能大大缩小规则知识库的规模,提高定性趋势分析故障诊断的准确性和实时性,及时发现和预测控制过程的早期故障。     

基于滑动窗口的定性趋势分析方法及应用

传统定性趋势分析方法中,存在划分片段宽度难以自适应、依赖人为设定阈值、算法复杂等问题,针对这些问题,提出了一种新的基于滑动窗口的定性趋势分析方法。方法采用一个滑动的窗口,并对窗口内的数据进行线性拟合,根据拟合的情况扩大或缩小窗口,确定每个片段的最佳大小,将每个片段识别为上升、下降或不变,最终获取数据的定性趋势。在化工过程趋势分析应用的结果表明,该方法能够更为有效地提取、识别出趋势,具有较高的准确性和较低的复杂度,为之后的数据压缩、故障诊断等打下坚实基础。     

复杂系统的定性建模和定性控制综述

综述了复杂系统的定性建模和定性控制．首先阐述了定性建模的理论背景,讨论了 主要的定性建模研究方法及定性模型特性;接着介绍了定性控制的研究进展,对定性控制方 法进行了分类研究,探讨了定性控制器的设计及定性控制系统性能;最后就复杂系统的定性 建模和定性控制研究发展进行了评述．     

复杂系统的定性仿真

回顾复杂系统定性仿真的发展历程;阐述复杂系统定性仿真的基本原理,将定性仿真方法归纳为非因果关系推理、因果关系推理和元胞自动机三类;评述三类方法的研究和应用进展;探讨管理系统复杂性的特征,介绍本文作者及其合作者的管理系统定性仿真研究工作;给出复杂系统定性仿真下一步需要解决的关键问题。     

基于独立源分析的过程监测方法

多元统计过程控制要求观测数据服从正态分布,而实际的5-业过程数据大都不满足正态分布条件.独立源分析（ICA）近几年才发展起来的一种新的统计方法,可以克服对数据分布的依赖性．对此,以ICA算法为核心,引入一种新型的过程监测方法,应用ICA提取独立源,利用I^2图,Ic^2图和SPE图进行故障检测．最后以3水箱系统为例进行了实验研究,取得了很好的效果．     

A study of polynomial fit-based methods for qualitative trend analysis

Qualitative trend analysis (QTA) of sensor data is a useful tool for process monitoring, fault diagnosis and data mining. However, because of the varying background noise characteristics and different scales of sensor trends, automated and reliable trend extraction remains a challenge for trend-based analysis systems. In this paper, several new polynomial fit-based trend extraction algorithms are first developed, which determine the parameters automatically in the hypothesis testing framework. An existing trend analysis method developed by Dash et al. (2004) is then modified and added to the abovementioned trend extraction algorithms, which form a complete solution for QTA. The performance comparison of these algorithms is made on a set of simulated data and Tennessee Eastman process data based on several metrics.     

一种用于监控系统的监控指标趋势分析方法

提出一种用于监控系统的监控指标的趋势分析方法,包括两种趋势分析,分别为预测分析和周期性分析,前者通过线性回归算法和指数回归算法预测指标的未来值;后者通过三角函数回归算法计算指标的周期性参数。根据趋势分析结果和事先设定的报警阈值确定是否预先报警,绘制该指标变化的周期性曲线。该方法能够实现网络监控系统在监控指标发生违例前预先报警,自动生成指标变化周期性曲线,为监控系统增加了趋势分析功能。     

基于数据分析的化工过程监测

为了改善主元分析对带噪声过程的监测性能,本文结合小波包分析消噪性能与主元分析提取变量间相关性能的特点,提出了一种小波包主元分析方法。给出了基于小波包主元分析的过程监测的算法实现。并在此基础上,对TE过程进行了监测性能仿真。结果表明小波包主元分析方法有较好的监测性能。     

基于论据系统的带权定性概率推理机

定性概率推理是不确定性推理领域的一种重要方法。将定性概率推理的论据系统方法和抽象系统方法二者合而为一,在定性概率推理机(QPR)的基础上提出基于论据系统的带权定性概率推理机(WQPR)。首先扩展了带权定性概率网的定义,讨论了带权定性影响的对称性;其次将带权定性概率推理融入到论据系统中,提出WQPR推理系统,相比QPR能够在更精确的尺度进行不确定性推理,并证明了系统的正确性与完备性。     

一种动态数据流的实时趋势分析算法

有效的趋势提取可提供监控对象早期预警、评估监控对象状态和决策支持信息.基于增量递推最小二乘回归参数估计和广义似然比变化点检测算法,提出一种动态数据流趋势分析算法.其计算实时性和分精度均比现有算法有明显的改进.仿真实验结果验证了该算法的有效性.     

电子系统健康状态监测数据优化算法

为解决电子系统健康状态监测数据的冗余性和高维性问题,提出了一种将样本优化和特征优化相结合的监测数据优化算法。首先,采用特征空间样本选择算法对监测数据进行样本优化,找出最具代表性的样本;然后,采用核主成分分析—分布估计算法（KPCA-EDA）对样本优化后的监测数据进行特征优化,在保证特征信息充足的情况下,保留更多的识别信息;最后,以某滤波电路为例进行了验证,仿真结果表明,该算法同KPCA等优化算法相比,在训练时间和识别率上能达到更好的平衡。     

基于数据流趋势分析的通信信号检测方法

从短波无线电通信检测在处理时间方面的实际需求出发,提出一种基于数据流趋势分析的无线电信号检测方法。分析了基于增量递推最小二乘算法构建数据流线性回归模型的方法,针对广义似然比检测法用于信号检测虚警较高的问题,提出了基于置信区间的数据流趋势分析中变化点检测方法,有效地降低了虚警。无线电检测数据动态检测实验验证该方法的有效性。