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。     

提高油料定量灌装计量精度的方法

本文基于油料定量灌装自动控制系统,分析了影响系统计量精度的误差产生因素,提出采用流量计线性化、实时温度补偿、提高阀门多段关闭控制算法的适应性等技术措施,可较大地提高系统的计量精度。     

基于PAC的油料灌装自动化系统设计与实现

以Wincon8000系列PAC为控制核心,设计并实现了一种灌装自动化系统的实验原型系统。该系统采用分布式控制系统模式,利用无线局域网的UDP通信协议和组态软件,实现了实时数据上传、实时状态监测、远程状态控制和即时通信等功能。该原型系统在某部队演习中的运行效果表明,基于PAC的油料灌装自动化系统具有开发周期短、可靠性高、稳定性好、与其他系统兼容性强等优点。     

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CAN总线的智能油料灌装控制系统

本文介绍了一种全新的智能油料灌装控制系统。该系统采用 CAN现场总线式集散控制系统模式及 IC卡管理控制方式 ,实现了油料灌装控制过程的无人职守发油。     

基于定性定量模型的动态过程故障诊断新方法

给出了一种能够综合运用先验知识和启发性知识的基于定性定量模型的动态过程故障诊断新方法.首先描述了核心的模糊定性建模和仿真技术,接着设计一种新的知识观测器,其中正常和已知故障状态的知识用模糊定性模型表示,将观测的行为与模糊定性仿真预测行为比较,将匹配的结果诊断输出,若找不到匹配结果,进行故障假设和生成相应模型,并将其预测行为和观测行为比较直到正确诊断.     

油料灌装自动控制系统误差分析

全面系统地分析影响油料灌装自动控制系统精度的各种因素,对于提高灌装精度具有重要的指导意义。本文针对油料定量灌装控制系统,详细分析了体积流量计和科里奥利质量流量计产生附加误差的来源,讨论了影响过冲量大小及造成过冲量误差的主要因素,给出了灌装控制系统总误差的计算公式。通过误差分析,总结出了提高灌装控制系统精度的基本途径。分析还表明,在设置小流量提前关阀的情况下,灌装控制系统的灌装精度主要取决于流量计及温度、压力等仪表的精度,过冲量误差对系统灌装精度的影响并不大。     

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。     

用于监测复杂系统的计算机辅助定性趋势分析

为了对传感器数据的瞬态演化用计算机进行建模,提出了定性趋势分析（Qualitative Trend Analysis）,这种定性的过程趋势描述是一种很有用的方法,已被广泛地用于过程状态监测、数据压缩、故障检测和诊断。首先概述国外QTA的产生背景和发展情况;其次提出有效的QTA趋势提取策略和趋势识别的若干重要问题。结果表明,该方法能够有效和快速地从数据中获取过程趋势。     

基于趋势分析和SDG模型的故障诊断

基于趋势分析的故障诊断受数据影响较大,基于定向符号图(signed d irected graph)模型的故障诊断难于建模和推理,而两者结合以提高故障诊断效果的方法还未被考虑.本文将趋势分析的趋势信息和SDG模型的节点信息进行了比较,阐明了两者信息互补的特点,然后利用趋势分析建立SDG模型,并利用SDG模型改进基于趋势分析的故障诊断,建立了数据驱动方法和基于模型方法相结合的故障诊断方法.CSTR(continuous stirred-tankreactor)实例分析表明,基于趋势分析和SDG模型的故障诊断方法提高了诊断的准确性和精确性.     

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。     

基于定性约束的故障诊断设计

在B. J. Kuipers的QSIM算法基础上,提出了比较约束概念用于消减推理空间。给出了各定性约束的传递规则,用于对系统的推理仿真。以系统故障的观测结果为初始状态,依据约束流的传播,诊断变量异变的位置和原因,并把诊断结果进行正向推理,消除部分冗余。在压缩制冷系统实例中,根据制冷系统的定性微分方程建立约束关系。针对制冷效果不佳的症状,仿真诊断出故障源为系统中有空气或氟利昂充液量过大的故障,与实际系统相一致。     

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BondGraph模型的定性故障诊断方法

研究一种基于键合图（Bond Graph）模型的定性故障诊断方法。根据Bond Graph模型元件中有关参数和变量的特定因果关系,推导出当某观测参量发生变化时,系统内所有可能产生故障的部位,并在此基础上预测每个故障的将来状态,通过与系统实际观测特征比较,在可能产生故障的集合中准确定位故障源。通过实例仿真验证,该方法是便捷有效的。     

基于定性定量知识的故障诊断

提出一种将检测中的定量信息定性化的方法,并应用QSIM的算法约束的概念。结合区间代数的计算规则,设计了定性与定量结合的诊断系统,缩小诊断空间,增大定性仿真在故障诊断中的应用范围。通过不断扩大先验故障模型,使系统具备一定的学习能力,并以压缩制冷系统为例进行了诊断,验证了系统的正确性。     

重构与趋势分析相结合的工业过程异常原因诊断

针对传统重构方法难以分离方向相似的产品质量或运行状态相关的故障或异常,提出了一种重构与定性趋势分析相结合的异常原因诊断方法。首先,采用主元分析算法进行建模和监控,并利用重构方法提取故障方向和估计故障幅值;接下来,分别利用角度相似度和定性趋势分析定义故障方向和故障幅值序列的相似度;然后,根据故障方向和故障幅值变化趋势的相似度定义了一种新的综合相似度指标,根据当前发生故障与历史故障之间的综合相似度进行异常原因诊断;最后,采用蒙特卡洛仿真实验获取的数据开展实验研究,将所提方法与传统方法进行比较分析,结果表明了所提方法的有效性。     

基于概率神经网络的TE过程故障诊断

概率神经网络(PNN)-径向基网络的重要变形,它的学习速发快,很适合于故障检测问题,但是当网络输入样本过大时,网络的计算就会很复杂,计算速度就会很缓慢.本文提出用主元分析(PCA)对过程数据进行降维,然后将处理过的数据作为网络输入,这样使网络的计算速度得到了提高.最后将提出的方法用于田纳西伊斯曼过程(Tennessee...     

基于规范变量分析的动态多变量过程故障诊断

主元分析法(PCA)和部分最小二乘法(PLS)是目前应用较普遍的故障检测方法,但是这两种方法都不能解决变量中存在自相关的问题,而化工过程测量变量之间往往存在互相关和强自相关;规范变量分析(CVA)法能有效地解决上述问题,应用于过程故障检测的效果明显优于PCA和PLS;但目前的研究大都限于故障检测上,在此基础上进行故障诊断的研究很少,因此提出了结合CVA统计模型和SPE统计量,再利用贡献图的方法,实现对Tennessee-Eastman过程的故障诊断;仿真结果表明了所提出方法的有效性.