基于PCA固体垃圾焚烧炉的早期故障诊断

介绍了主元分析法(PCA)及其在垃圾焚烧炉故障诊断中的应用。通过分析历史数据获取主元模型,对运行数据进行在线分析,采用T2和SPE统计法对控制系统进行故障检测,并用故障贡献图对故障进行诊断。研究结果表明,PCA能有效地进行固体垃圾焚烧炉早期故障检测及诊断。     

改进PCA及其在过程监测与故障诊断中的应用

提出一种改进的主元分析 (PCA)方法 ,采用主元相关变量残差 (PVR)统计量代替通常的平方预测误差Q统计量 ,用于工业过程的监测与故障诊断。改进PCA避免了Q统计量的保守性 ,能够提供更详细的过程变化信息 ,从而有效识别正常工况改变与过程故障引起的T² 图变化。通过对双效蒸发过程的仿真监测 ,与普通PCA方法进行了比较 ,表明了改进PCA方法的有效性     

基于MSPCA的FPSO典型生产流程故障诊断系统的设计与实现

针对传统主元分析单尺度建模的局限性,以小波分析和主元分析理论为基础,应用多尺度主元分析方法(MSPCA)对浮式油轮生产储油卸油系统(FPSO)进行故障检测与诊断系统的设计与实现。以MSPCA为故障诊断算法,以Microsoft Visual Basic和Matlab为开发平台,以FOXBORO I/A、AIM*OPC Server为数据传输平台,采用FPSO仿真系统作为数据环境,建立了基于MSPCA的FPSO典型生产流程的故障诊断系统,实现油气水分离过程的故障检测与诊断。结果表明:基于MSPCA的FPSO故障诊断系统结构设计合理,在油气水分离系统的故障检测与诊断过程中取得较好的应用效果。     

基于小波理论的主元分析在故障诊断中的研究与应用

主要分析主元分析的原理和主要算法及其在故障诊断方面的应用 ,简单介绍数据预处理的小波分析方法 ,并把这两种方法结合用于过程故障诊断。常减压装置的应用实例表明 ,结合这两种方法进行基于过程的故障诊断取得了较好的效果     

一种基于可预测元分析的故障诊断方法

将可预测元分析(Fore CA)引入到过程监控中,通过选取合适的可预测元并构造能够反映系统运行状况的统计量对在线数据进行统计监控,克服了主元分析(PCA)方法假设数据服从高斯分布且无法反映系统动态时序特性的缺陷,能很好地描述工业过程的动态特性并进行故障检测。TE模型上的仿真结果证明了Fore CA在工业过程监控中的可行性与有效性。     

改进的PCA方法在化工过程故障诊断中的应用研究

主元分析(PCA)方法作为一种基于信号处理的数据驱动方法,已广泛应用于工业过程故障诊断中。但由于PCA本身的缺陷,对故障类型的识别方面存在不足。为此,引入人工神经网络(ANN)方法,与PCA方法相结合,增强了故障识别能力。以田纳西伊斯曼过程为例,验证了改进后的PCA方法在化工过程故障识别和诊断中应用的有效性。     

MPCA在间歇反应过程故障诊断中的应用

将多方向主元分析(MPCA)理论应用到一个实际的PVC间歇反应过程的性能监测与故障诊断中。由于间歇反应的特点,数据具有多维性,应用传统的主元分析将使过程的统计建模与故障诊断难以实现。MPCA可将间歇过程的多维数据沿时间轨迹分割,使得多批次的数据可以在各时间序列轨迹上建立相应的PCA模型,从而完成对间歇过程的实时监视及故障诊断。     

基于因子分析的回转窑故障诊断

针对回转窑系统过程变量繁多、变量间耦合强等特点,采用因子分析(Factory Analysis,FA)方法建立过程监控模型。FA是在主元分析(Principal Component Analysis,PCA)的基础上,将残差空间进一步地描述为特殊因子空间,使得FA中残差空间监控统计量物理意义明确。将某水泥厂实际生产数据用于算法的离线验证,表明FA能很好地检测出系统故障和异常,相比PCA而言FA存在更低的漏报率;经过旋转后的公共因子物理意义明确,可为故障诊断提供更多准确信息。     

一种基于改进MPCA的间歇过程监控与故障诊断方法

针对基于不同展开方式的多向主元分析(MPCA)方法在线应用时各自存在的缺陷,提出一种改进的基于变量展开的MPCA方法,实现间歇过程的在线监控与故障诊断。该方法采用随时间更新的主元协方差代替固定的主元协方差进行T²统计量的计算,充分考虑了主元得分向量的动态特性;同时引入主元显著相关变量残差统计量,避免SPE统计量的保守性,且该统计量能提供更详细的过程变化信息,对正常工况改变或过程故障引起的T²监控图变化有一定的识别能力;最后提出一种随时间变化的贡献图计算方法用于在线故障诊断。该方法和MPCA方法的监控性能在一个青霉素发酵仿真系统上进行了比较。仿真结果表明：该方法具有较好的监控性能,能及时检测出过程存在的故障,且具有一定的故障识别和诊断能力。     

化工过程故障诊断专家系统研究进展

本文针对化工过程故障诊断专家系统，在知识表示，领域知识的抽象和组织以及推理机制等方面进行了深入讨论，并预测了发展趋势。     

基于特征样本核主元分析的TE过程快速故障辨识方法

核主元分析（KPCA）在非线性系统的故障检测方面明显优于普通的PCA方法,但存在无法进行故障辨识以及在故障诊断过程常常出现核矩阵K计算困难等难题。针对上述问题,提出了一种基于特征样本核主元分析方法（FS-KPCA）非线性故障辨识方法。首先采用特征样本（FS）提取方法有效解决核矩阵K的计算量问题。然后利用计算核函数的偏导方法求取KPCA监控中每个原始变量对统计量T²和SPE的贡献率,利用每个变量对监控统计量贡献程度的不同,可以辨识出故障源。将上述方法应用到TE过程,仿真结果表明该方法不仅能够有效辨识故障,而且提高了故障检测和辨识速度。     

基于C#和Matlab的变压器故障诊断系统的开发

提出了一种基于C#和Matlab的变压器故障诊断系统的开发方案.以Visual Studio 2005为开发平台,C#为开发语言,调用Matlab相关程序,最终完成了故障诊断系统的开发.验证结果表明,该诊断系统诊断精度高、速度快.     

化工过程故障诊断研究进展

介绍化工过程故障诊断技术的理论与工业应用的现状,分析了故障诊断的过程与实质,介绍了常用的几种诊断方法,重点阐述了智能诊断的方法,现状,并对故障诊断的发展动向作了简要的分析。     

基于部分信息融合的分布式故障诊断策略在分布式发电系统中的应用

将模型的故障监测框架和基于数据的学习方法相结合,提出了一种新的故障监测方法,实现了串级工业过程中的故障监测和定位。首先,对串级工业系统进行分析,得出整个系统的划分方法,并提供了构建子系统的条件。然后,采用分布式主元分析(PCA)方法在实际测量数据集中提取子系统的特征信息,用于TS模糊推理的建模。再提出基于二级贝叶斯的模糊模型实现故障的非线性识别。通过比较模型输出和每个子系统的实际测量值构造残差监测故障,实现定位。最后,通过固体氧化物燃料电池(SOFC)系统仿真实验,验证了所提出的故障监测模型的有效性和可行性。     

基于CLIPS的故障诊断专家系统开发

针对专家系统语言CLIPS仅支持正向链规则的限制,提出了一种利用面向对象的消息处理机制,使得在CLIPS环境下能够实现故障诊断中的反向推理;针对领域专家难以直接更新专家系统知识库的问题,结合化工故障诊断的实际情况,提出一个结构化的中文自然语言规则录入系统,并自动将录入的规则转化为专家系统语言CLIPS能够执行的代码。通过设计某合成氨企业变换工段故障诊断专家系统,验证了所提出方法的有效性和实用性。     

神经网络技术在分布式系统智能故障诊断中应用

阐述智能故障诊断技术的特点，针对多层次分布式系统，提出分层模块化的两种诊断模式及分层预处理规则；并就神经网络同其它诊断技术相结合的综合智能故障诊断模式的实现方法、特点及可行性作了进一步探讨分析。     

基于多工况混合模型的故障监控方法研究

针对多工况过程建立了一个多工况高斯混合模型(Gaussian Mixture Model,GMM),并利用EM(Expectation Maximization)算法对该GMM参数进行估计。通过引入贝叶斯阴阳算法(Bayesian YingYang,BYY),实现了GMM中混合工况数目的自动估计。然后,通过在所建GMM的每个分量中构建PCA模型,建立一个多工况故障监控混合模型。最后利用TE过程研究证明了所建模型在过程监控中的有效性。