基于核规范变量分析的非线性故障诊断方法

提出一种基于核规范变量分析（KCVA）的非线性过程故障诊断方法．该方法使用核函数完成非线性空间到高维线性空间的映射,避免了高维空间中的数据处理和非线性映射函数的使用．在线性空间中使用规范变量分析（CVA）来辨识状态空闻模型,从数据中提取状态信息．3个监测量（Tr^2,Ts^2,Q）用来进行故障检测,同时使用贡献图分离故障变量,并判断故障原因．在CSTR系统上的仿真结果表明,KCVA方法比主元分析法（PCA）和CVA方法能更灵敏地检测到故障的发生,更有效地监控过程变化．     

基于规范变量分析的化工单元多变量统计监控

化工生产过程往往含有大量的过程变量,且过程多处于闭环控制作用下,产生的测量数据常常存在互相关和自相关。规范变量分析(CVA)通过最大化两个变量集间的相关度,实现对高维数据的降维,并得到一组最大限度地解释变量集中信息的规范变量,很好地解决了上述问题。本文介绍一种基于CVA的过程监控方法,并将此方法应用于一实际化工单元的过程监控,利用控制图,及时准确地检测到过程故障,表明了基于CVA的监控方法的有效性。     

基于规范变量残差的化工过程微小故障检测与诊断

微小故障因其幅值低而易被噪声和过程扰动所掩盖,并且会随时间慢慢演变成过程中的严重故障.因此,微小故障的检测和诊断变得越来越重要.为了更有效地监测和诊断微小故障,提出了基于规范变量残差的化工过程微小故障检测和诊断方法.首先,对Hankel矩阵执行奇异值分解来获得主元和残差空间并根据过去和未来数据的差异,求得两个不同的规范...     

基于鲁棒规范变量分析的故障诊断方法

针对工业过程的建模数据中含有离群点的情况,提出一种基于鲁棒规范变量分析(CVA)的故障诊断方法.该方法使用相关系数的鲁棒估计代替传统的相关系数,通过基于粒子群算法的投影寻踪技术计算最大化鲁棒相关系数的规范变量,从而建立统计模型并监控统计量检测过程的变化.连续搅拌反应器(CSTR)系统的仿真结果说明,鲁棒规范变量分析方法能在含离群点数据的基础上建立准确的统计模型,比规范变量分析更有效地监控过程变化.     

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数据重构方法及应用

针对工业系统的数据采集过程中数据遗失的现象,提出并推导了基于规范变量分析的数据重构公式,并与主元分析方法进行遗失数据重构的效果进行了比较。通过对一实际化工吸附分离过程的遗失数据重构,验证了所提方法的有效性和优越性。     

基于自适应高效递推规范变量分析的多模过程软传感器建模

由于多模过程中各模式间的均值和协方差发生了改变,多变量单模高斯分布的基本假设不再成立.基于递推方法的多模过程软传感器建模存在两点问题:其一,递推建模方法不能及时的跟踪多模过程的改变;其二,递推建模方法的在线计算负荷非常高.为了解决上述问题,本文提出了一种基于自适应高效递推规范变量分析的多模过程软传感器建模方法.首先,采用指数权重滑动平均来更新过去观测矢量的协方差矩阵;然后,利用基于模型输出误差范数的可变遗忘因子来跟踪多模过程的动态变化;最后,通过引入一阶干扰理论(firstorder perturbation,FOP)来实现递推奇异值分解,与常规奇异值分解相比递推奇异值算法的计算负荷显著降低.将提出的方法用于田纳西伊斯曼(tennessee eastman,TE)化工过程进行仿真验证,其结果表明了该方法的可行性和精确性.     

基于KISOMAP-LDA-KNN算法TE过程故障诊断研究

针对化工连续生产过程的时序性及非线性等特征,文章提出了一种基于KISOMAP-LDA-KNN的非线性故障辨识方法。首先采用核等距映射（KISOMAP）算法在保持训练数据内在几何结构下进行非线性降维,然后使用线性判别（LDA）算法保持数据的最佳分类效果下进行降维,完成过程的特征提取,最后用K近邻（KNN）算法进行模式分类。将上述方法应用到TE过程,仿真结果验证了该故障诊断方法有较高的辨识能力。     

基于变分模态分解和高阶统计量的梯级故障诊断研究

自动扶梯是地铁车站内必不可少的大型公共交通设备,一旦发生故障,小则影响运营,大则引发安全事故;梯级作为自动扶梯的重要结构部位,其固定螺栓松动必然会导致自动扶梯运行异常;针对梯级振动信号故障特征难以提取的问题,提出了变分模态分解(VMD)和高阶统计量(HOS)联合来对自动扶梯故障特征提取;该方法首先对原始振动信号进行VMD分解,得到K个固有模态分量(IMF);然后对主IMF分量进行奇异值分解(SVD)降噪,对去噪后的主IMF分量进行重构得到新的信号;最后通过高阶统计量对新的信号故障特征提取,并利用随机森林分类算法对三类不同的振动信号样本进行分类识别,确定梯级振动故障类型;实验结果表明,该方法可以有效地提取故障特征,实现故障诊断与分类。     

基于Q统计量分量的故障检测算法研究

针对传统PCA故障检测算法的结果有定论不明确的缺陷,提出一种基于Q统计量分离的故障检测新方法,把Q统计量分为PVR和CVR,前者代表显著与主元有关的变量信息,后者代表与主元无明显关系的变量信息,再配合T2统计量共同用于监测过程,检测效果更细致.将此方法结合基于累积方差贡献率(CPV)和复相关系数(MCC)确定过程监测模型主元数的新方法,监测β-甘露聚糖酶发酵工业的过程,与传统的PCA故障检测方法比较,仿真研究结果表明该算法能够确保主元空间(PCS)中的信息存量,充分刻画过程变化,有效识别正常工况变化与故障,正确检测微弱故障,提高过程监控的准确性.     

基于PCA多变量统计的故障检测与诊断

主元分析(PCA)是一种能够对过程生产进行监测和质量控制的有效方法,在保证数据信息丢失最少的情况下,大大降低了原始数据空间的维数。为了更好地进行故障检测与诊断,介绍了基于PCA多变量统计的故障检测与诊断,给出了广泛应用在多变量统计过程上的T2和Q(或SPE)统计量。利用PCA分析建模可以消除变量间的非线性关联,降低噪声影响。用田纳西-伊斯曼过程TEP(Tennessee-Eastman Process)平台产生仿真数据,并利用Matlab软件建立故障检测与诊断模型。通过T2和Q(或SPE)统计量与其阈值的判断,进行对系统的故障检测与诊断。实验表明,基于PCA的故障诊断方法能够对过程的非正常变化做出反应,也能较正确地找出发生故障的原因以及相应环节。     

基于DPCA残差互异度的故障检测与诊断方法

针对动态主元分析方法中残差自相关性降低过程故障检测率问题,提出基于动态主元分析残差互异度的故障检测与诊断方法.首先,应用动态主元分析(Dynamic principal component analysis,DPCA)计算动态过程数据的残差得分;接下来,应用滑动窗口技术并结合互异度指标(Dissimilarity)来监控过程残差得分状态;最后,利用基于变量贡献图的方法进行过程故障诊断分析.本文方法通过DPCA捕获过程的动态特征,同时互异度指标区别于传统的平方预测误差(Square prediction error,SPE),它可以有效地对具有自相关性的残差得分进行过程状态监控.通过一个数值例子和Tennessee Eastman(TE)过程的仿真实验并与传统方法对比分析,仿真结果进一步证实了本文方法的有效性.     

基于DPCA残差互异度的故障检测与诊断方法

针对动态主元分析方法中残差自相关性降低过程故障检测率问题,提出基于动态主元分析残差互异度的故障检测与诊断方法.首先,应用动态主元分析(Dynamic principal component analysis,DPCA)计算动态过程数据的残差得分;接下来,应用滑动窗口技术并结合互异度指标(Dissimilarity)来监控过程残差得分状态;最后,利用基于变量贡献图的方法进行过程故障诊断分析.本文方法通过DPCA捕获过程的动态特征,同时互异度指标区别于传统的平方预测误差(Square prediction error,SPE),它可以有效地对具有自相关性的残差得分进行过程状态监控.通过一个数值例子和Tennessee Eastman(TE)过程的仿真实验并与传统方法对比分析,仿真结果进一步证实了本文方法的有效性.     

基于CMPCA的化工生产过程性能监测与故障诊断

根据化工生产过程的间歇反应特点,提出了一种基于一致多方向主元分析(CMPCA)的过程性能监测与故障诊断方法.首先基于动态时间规整DTW(Dynamic Time Warping)技术对批次数据进行同步化,􀁯从而使得用于建模和诊断的数据均具一致性,保证了过程性能监测与故障诊断的.     

面向污水处理过程因子分析故障诊断方法的研究

污水生化处理过程是一个典型的多变量、非线性、具有强外部干扰的复杂工业过程,基于主元分析(PCA)的方法在污水处理过程的故障诊断中已经得到了广泛的应用和发展.但是,主元分析存在着噪声和不确定信息描述能力不足的问题.针对污水过程的特点提出了因子分析(FA)故障诊断方法,同时拓展了因子分析监控指标以及解决了故障辨识贡献图的控制问题,为污水处理过程的有效监控提供了可行性.所提出方法在国际水协会BSM1模型上得到了有效的验证,与PCA的对比研究表明FA提供了更低的故障误报警率和更完整的不确定信息描述能力.     

非线性频谱分析理论在故障诊断与检测中的应用

介绍了故障诊断技术的基本概念,重点阐述了非线性频谱分析理论的原理及其在故障诊断中的应用,并基于这一方法设计了一个基于非线性谱分析的机械故障诊断仪。在这一应用系统中,被测系统的故障特征是它的GFRF(Genemlized Frequency Response Functions)谱特征。介绍了诊断系统的构成和诊断原理,以及相关硬件电路的设计,实验结果表明了文章方法的有效性。     

小波分析在电气设备故障诊断中的应用浅析

探讨了小波分析在故障诊断中的重要工程应用价值,研究分析了小波变换对故障信号的信噪分离,特征提取的方法,提出了基于计算机控制的小波方法在处理电气设备故障的基本方案,并针对小波分析在电气设备故障诊断中的应用特点进行了讨论,给出了最新研究成果及发展趋势。     

基于故障树分析和模糊综合评判的某雷达故障诊断方法

针对大型雷达电磁环境复杂、设计预留检测接口不足、状态不容易检测等特征,为既提高雷达保障能力,又减少检测电路(设备)、降低成本、提高全机可靠性,考虑到故障与故障征兆问存在着模糊关系,提出了采用基于故障树分析和模糊综合评判相结合的故障诊断方法,通过分析某雷达故障树故障论域的子域,提取故障征兆集和原因集,利用模糊关系矩阵得出故障隶属度输出,最后根据判断法则确定故障位置,给出了具有法则优化和自学习功能的模糊故障诊断流程;诊断应用表明,该方法可充分利用已有的故障信息,有效提高雷达的故障诊断效率.     

基于电流分析法的电动机故障诊断虚拟仪器系统的研制

运用电流分析法开发了电动机故障诊断虚拟仪器系统;分析了定子匝间短路、转子断条和气隙偏心三类典型的电动机故障,并得出了定子匝间短路的故障特征是定子电流中出现负序分量的结论;转子断条故障会在定子绕组中感应出频率为(1-2s)f的电流,而气隙偏心时的典型特征则是定子电流中出现(Rfr±f)频率成分;以此结论作为故障诊断的理论基础,在LabVIEW软件平台上开发了故障诊断的虚拟仪器系统,编程实现电动机的故障设别;LabVIEW搭建的界面友好,实时显示程序运行的各项结果,操作简单及方便;还对该虚拟仪器系统进行了硬件仿真实验,实验的结论表明设计系统是可行且有效的,能够应用于电动机的故障诊断。