非线性过程控制系统传感器故障检测新方法

针对电厂热力系统故障检测和定位准确性低的问题,提出了基于鲁棒输入训练网络的传感器故障检测模型;采用带参数限制项的目标函数对网络进行训练,并在测试目标函数中引入影响因子,增加了模型训练精度,抑制了网络计算过程故障数据对正常值的影响,减小了残差污染,提高了模型准确性;以某300 MW电厂热力系统20组测点为对象进行算例分析,通过反复的实验,结果表明,该模型能够更加准确地对非线性系统故障点进行检测和分离,并更加精确重构各变量真实值,验证了该模型用于非线性过程传感器故障检测的有效性和可靠性.     

基于数据变化率和重构贡献图的微小故障诊断方法

针对复杂工业过程的微小故障诊断问题,提出一种数据预处理与重构贡献图相结合的故障诊断方法;为了克服非高斯分布数据对故障检测准确性的影响,通过基于数据变化率的方法对样本原始数据进行预处理后,可以有效地检测过程变量的微小故障,以此建立故障诊断主元分析模型;检测出系统故障后,为了提高故障辨识准确度,采用一种平均残差差值重构贡献图的方法对故障进行辨识;通过正常样本数据和故障数据在残差子空间中的投影,获取两个数值的残差差值向量,计算重构贡献值来确定故障变量;以田纳西-伊斯曼(TE)过程为对象进行了故障诊断仿真实验,并与传统贡献图和重构贡献图方法的辨识准确率相比较,结果表明所提方法具有良好的故障诊断性能。     

基于KPCA的监控系统传感器异常诊断方法

针对监控系统数据异常时,故障检测准确性不高的问题,提出一种基于监控系统传感器异常的核主元分析(KPCA)检测方法.利用平方预报误差(SPE)统计量和均方贡献值法进行故障检测和故障源的定位,改善了主元分析(PCA)应用于非线性系统故障检测准确性低的问题.分别利用基于KPCA和PCA的故障检测模型进行仿真比较.实验结果表明:KPCA提高了非线性监控系统传感器异常诊断的准确性.     

基于模型的闭环系统故障检测的一种新方法

针对在闭环控制系统中,如何取得产生残差的最佳信号的问题,通过对单输入单输出闭环系统各种故障的Matlab仿真研究及结果分析,提出了一种基于模型的闭环系统故障检测的新方法。该方法把控制器的输出残差和系统的输出残差结合起来检测故障,并且考虑到了在实际系统中控制器可能饱和的实际情况。这种检测故障的新方法对于实际系统可能发生的各种故障(如执行器,传感器故障)更为有效,可以提高系统检测故障的性能,减少了系统故障的漏报率。     

线性时滞系统故障检测滤波器设计H∞优化方法

研究一类线性时滞系统的基于观测器的故障检测滤波器设计问题.通过对线性时滞系统进行广义坐标变换,得到了只包含输入、输出时滞,无状态时滞的新的系统表达形式.在此基础上,选用基于观测器的故障检测滤波器作为残差产生系统,使得到的残差动态方程为仅包含未知输入时滞和故障时滞的线性时不变形式,进而可应用已取得的线性时不变系统故障诊断研究成果设计故障检测滤波器.同时给出一种线性时滞系统故障检测滤波器设计的H∞优化设计方法,并通过算例验证了所提方法的有效性.     

基于SWT与等价空间的LDTV系统故障检测

为提高基于等价空间的线性离散时变（Linear discrete time-varying,LDTV）系统故障检测的检测性能,本文提出一种基于平稳小波变换（Stationary wavelet transform,SWT）与等价空间的LDTV系统故障检测方法.通过引入SWT对基于低阶等价关系构造的残差进行多尺度滤波,将残差产生器设计转化为不同尺度下的多目标最优化问题,保证了各尺度下残差对干扰鲁棒性和对故障灵敏性指标的最小化,同时利用SWT快速算法获得一组多尺度残差信号.进一步,对产生的多尺度残差信号进行多分辨率分析,从而实现较宽频率范围内故障信号的检测,有效降低了故障漏报率.最后,通过仿真实验验证了本文方法的有效性.     

结构残差在基于SDG故障分离中的应用

符号有向图（SDG）是大规模复杂系统中故障传播关系的描述模型,但它仅能通过在相容通路上的定性推理进行故障分离,因此有着明显的局限性。而结构残差是定量故障分离的成熟方法,将其引入基于SDG的故障分离中,用以提高系统故障分离的能力,弥补SDG方法的不足。具体的做法是将SDG转化为结构残差的描述形式,再利用结构残差的基本思想,分别就变量是否完全可检测的情况给出了具体的故障分离方法。这样做可以提高系统故障分离的鲁棒性和准确性。应用实例表明,该方法可通过残差计算,准确判断故障源,实现故障分离。     

基于递推规范变量残差和核主元分析的微小故障检测

微小故障由于故障征兆不明显从而很难在故障发生早期对其进行检测. 针对该问题, 本文提出了一种基于递推规范变量残差和核主元分析(RCVD–KPCA)的微小故障检测方法. 首先构造规范变量残差, 从中提取数据的线性特征. 利用指数加权滑动平均法对规范变量残差进行递推滤波处理, 提高规范变量残差对微小故障的敏感程度;然后使用KPCA提取规范变量残差中的非线性主成分作为非线性特征, 根据提取的特征提出了两个新的故障检测统计量; 此外, 利用核密度估计确定故障检测统计量的控制限. 由于同时提取了过程数据的线性和非线性特征, 有效地提高了非线性动态过程中微小故障的可检测性. 以闭环连续搅拌釜式反应器过程为例进行了仿真分析, 仿真结果表明本文所提方法具有较好的故障检测性能.     

基于多模型PF的风力机桨距系统的故障诊断

针对风力机桨距系统建模不精确导致的故障分离不准确的问题,提出了一种J散度与多模型结合的故障分离方法。首先在风力机桨距系统多故障模型的基础上,通过粒子滤波(PF)对风力机桨距系统的状态进行估计;然后引入一个带宽系数对自适应阈值进行优化,以提高桨距系统故障检测的实时性和精确性;最后计算实际系统输出与每个故障模型输出的J散度,判断故障类型,提高故障分离的准确性。研究结果表明:该方法明显提高了桨距系统故障诊断的准确性,同时减少了计算时间。     

质子交换膜燃料电池系统数字孪生故障诊断模型研究

基于数字孪生的平行故障诊断方法通过检测和评估真实系统与数字孪生系统之间的残差进行故障诊断,相关数字孪生体基于质子交换膜燃料电池动力学模型和数据集合建立.如果残差向量超过故障检测阈值,则利用故障残差的相对敏感度执行故障隔离.本文将平行故障诊断方法引入质子交换膜燃料电池系统,构建了基于数字孪生估计器的平行故障诊断模型.仿真...     

基于累积和控制图的分布式传感网络故障诊断

由于无线气象传感网具有资源受限及分布式等特点,传感器节点的故障诊断面临着很大挑战。针对现有诊断方法误报率高、计算冗余量大的问题,提出了一种基于累积和控制图（CUSUM）与邻居协作融合的故障诊断方法。首先,通过累积和控制图分析传感器节点上的历史数据,提高对节点故障判断的灵敏度并且定位出异常时间点;然后,结合网络内邻居节点间的数据交换,通过判断节点的状态诊断出故障节点。实验结果表明,即使在整个网络中在节点故障率高达35%时,算法检测精度仍然高于97.7%,而误报率不超过2%。由此可见,在节点故障概率很高的情况下,此所提法也能得到很高的检测精度和较低的误报率,受节点故障率的影响明显减小。     

BP神经网络辅助的缓变故障双阈值检测法

针对传统$\chi ^2$检测法对惯性/卫星组合导航缓变故障检测效率不高的问题,提出一种基于BP神经网络辅助的缓变故障双阈值检测法.基于BP神经网络建立位置与速度子预测器,实现对卫星导航量测数据的预测,在此基础上根据预测精度提出双阈值的低检测门限,辅助残差chi^2检测法进行故障检测与系统重构.仿真结果表明,对于缓变故障,所提出方法能有效提高故障期间滤波精度、降低漏警率以及组合导航的可靠性.     

Analysis of fault detection method based on predictive filter approach

Model-based methods are most popular in fault detection and have received consid-erable attention in the past two decades[1,2]. Based on them, many kinds of detection al-gorithms have been developed for fault detection and diagnosis[3,4]. Usually those algo-rithms are adaptive algorithms or have adaptive structures including neural networks and neuro-fuzzy networks. But the errors in the models may decrease the robustness of the methods and increase the false alarm rate. A real-time predictive…     

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率增加,这些问题会对工业过程监控产生较大影响.鉴于此,提出一种基于局部信息增量与MPLS的质量相关故障检测方法(local information increment-MPLS,LII-MPLS).在MPLS基础上,通过使用局部信息增量技术对测试数据进行实时更新检测后,质量相关故障的漏报率明显降低.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局限性,因此改进静态控制限将其推广为局部动态阈值.最后,通过田纳西伊士曼过程(Tennessee Eastman process,TEP)仿真实验验证了所提出算法的有效性.     

带有传输受限和随机丢包的网络化控制系统的故障检测方法研究

研究了同时存在传输受限和随机丢包情况下的网络化控制系统的故障检测问题, 给出了残差发生、残差评价和误报率分析的方法. 首先, 基于确定性的系统描述, 本文给出了基于周期系统理论的残差发生方法. 接下来, 在充分利用随机丢包概率特性的基础上, 本文给出了残差评价方法. 最后, 利用切比雪夫不等式, 本文给出了故障检测误报率的计算方法. 仿真结果证实了算法的有效性.     

面向轴承早期故障检测的多尺度残差注意力深度领域适配模型

针对由工作环境和设备状况的差异引起的轴承早期故障检测模型可靠性差、误报警率高的问题,根据早期故障检测的特点和需求,提出一种多尺度注意力深度领域适配模型。首先,将监测信号处理成由原始信号、希尔伯特-黄变换边际谱、频谱组成的三通道数据;然后,通过在残差注意力模块中增加不同尺寸的滤波器以提取多尺度深度特征,使用卷积-反卷积操作来重构输入信息从而获得注意力信息,并且将注意力信息与多尺度特征融合构建了一种多尺度残差注意力模块,用于提取对早期故障表征能力更强的注意力特征;其次,在所提取到的注意力特征基础上,构建基于交叉熵和最大均值差异（MMD）正则化约束的损失函数来实现领域适配;最后,采用随机梯度下降算法进行网络参数优化,构建端到端的早期故障检测模型。在IEEE PHM-2012数据挑战赛数据集上的实验结果表明,与8种代表性的早期故障检测和诊断方法以及迁移学习算法相比,所提方法能够在不延迟报警时间点的前提下,分别比8种方法的平均误报警率降低了62.7%和61.3%,有效提高了早期故障检测的鲁棒性。     

面向轴承早期故障检测的多尺度残差注意力深度领域适配模型

针对由工作环境和设备状况的差异引起的轴承早期故障检测模型可靠性差、误报警率高的问题，根据早期故障检测的特点和需求，提出一种多尺度注意力深度领域适配模型。首先，将监测信号处理成由原始信号、希尔伯特-黄变换边际谱、频谱组成的三通道数据；然后，通过在残差注意力模块中增加不同尺寸的滤波器以提取多尺度深度特征，使用卷积-反卷积操作来重构输入信息从而获得注意力信息，并且将注意力信息与多尺度特征融合构建了一种多尺度残差注意力模块，用于提取对早期故障表征能力更强的注意力特征；其次，在所提取到的注意力特征基础上，构建基于交叉熵和最大均值差异（MMD）正则化约束的损失函数来实现领域适配；最后，采用随机梯度下降算法进行网络参数优化，构建端到端的早期故障检测模型。在IEEE PHM-2012数据挑战赛数据集上的实验结果表明，与8种代表性的早期故障检测和诊断方法以及迁移学习算法相比，所提方法能够在不延迟报警时间点的前提下，分别比8种方法的平均误报警率降低了62.7%和61.3%，有效提高了早期故障检测的鲁棒性。     

Residual generation and evaluation of networked control systems subject to random packet dropout

In this paper, we address fault detection for networked control systems subject to random packet dropout. The packet dropout is assumed to be existing in the sensor-to-controller link and the controller-to-actuator link. Both parity space and observer based residual generation and evaluation approaches are proposed. In parity space based fault detection scheme, a new optimization index is proposed to deal with stochastic system parameters caused by random packet dropout, while in observer based scheme, this is accomplished by introducing a reference model. In order to evaluate performance of the designated threshold, the corresponding false alarm rate is given. The two fault detection schemes can ensure both robustness to packet dropout as well as disturbance and sensitivity to fault. An experimental study is employed to verify that the proposed method performs better than the existing approaches.     

$l_p$-范数约束下MKL-OC-ELM的装备故障检测

针对列装时间短的现役装备故障样本匮乏、现有算法故障检测准确率较低的问题,将多核学习(multiple kernel learning,MKL)与一类超限学习机(OC-ELM)相结合,提出$l_p$-范数约束下多核学习一类超限学习机($l_p$-MKOCELM)的检测模型.在$l_p$-范数约束下,定义了将MKL与OC-ELM相结合的数学优化形式,推导出基核组合权重与Lagrange乘子的更新方式;为方便故障检测的实施,基于$l_p$-MKOCELM定义了统计检验量与检测阈值;通过实验验证了不同范数的约束形式的近似等价性.将所提出方法应用于常用的UCI数据集和某型装备的测试数据,实验结果表明,相比于传统的SVDD、PCA、OC-SVM、OC-KELM等方法,所提出方法在平衡漏警、虚警的同时,能够显著提升检测精度.