共查询到17条相似文献,搜索用时 93 毫秒
1.
2.
由于化工生产过程是一个非常复杂、多变的过程,生产系统在长期运行和生产负荷中会不可避免地发生各种故障,降低生产效率,导致设备损坏、生产停滞,甚至会危及操作人员的自身安全,因而过程故障监测已成为化工生产中安全保护系统的重要组成部分。主元分析方法(PCA)已广泛应用于监视多变量过程,但是传统的PCA只适于分析故障或干扰仅存在于某一固定尺度或频率段上的数据。实际过程中获取的数据,不仅故障可能发生在不同的时一频范围内,而且统计过程的能量或功率谱也可能随着时间或频率的改变而改变。 相似文献
3.
曹立学 《机械工程与自动化》2013,(5):116-118
针对多输入多输出对象应用多元分析方法实现系统的故障检测与诊断,能够有效克服机理分析法诊断的缺点,既可以消除各变量之间的关联,也减小外界噪声的影响。通过对多变量液位控制进行试验验证,主元分析法能够有效地对生产过程进行监测,并准确及时地分析判断系统中发生的故障。 相似文献
4.
5.
应用主元分析方法改进BP算法及其在故障诊断中的应用 总被引:1,自引:0,他引:1
提出了一种应用主元分析方法对神经网络输入参量进行处理的方法,以主元分析为理论基础,通过对输入的高维参量的线性组合以及向低维空间投影的方法,既降低了输入的维数,同时又提高了输入参量对特征的敏感性,并通过一个故障诊断应用的实例证明了该方法的可行性。 相似文献
6.
研究了多变量统计分析方法在制冷装置故障检测和诊断中的应用。对ASHRAE资助下的一组实验数据进行预处理,对其进行故障检测和故障诊断。对于故障检测,可利用平方预测误差(Q统计量)等统计控制变量来判断系统是否在正常运行状态。而对于故障诊断,第一次尝试采用各变量对于平方预测误差的负荷结合各变量的变化率来得到其对于平方预测误差异变的贡献率。从而快速利用变量的变化方向和程度判断故障类型。从结果分析,这种方法可以在众多变量中过滤掉不显著的变化,迅速找到故障主因。利用多变量统计分析方法可以实现对制冷装置的运行状态进行实时监控和诊断。 相似文献
7.
8.
9.
研究了小波变换的信息融合技术以及将其应用在振动信号处理、故障诊断方面较传统方法的优越性.在分析的理论基础上.对某型航空发动机用不同传感器采集的振动信号进行信息融合,然后提取出噪声掩盖下振动信号中的故障信息,根据航空发动机整机振动的典型故障特征频率,判断该发动机是否发生故障. 相似文献
10.
核函数主元分析及其在故障特征提取中的应用 总被引:1,自引:0,他引:1
提出了基于核函数主元分析的故障特征提取方法。该方法利用计算原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析,得到原始特征的非线性主元.以所选的非线性主元作为特征子空间,并应用转子试验台的故障数据对该方法进行了检验。结果表明,核函数主元分析更适于提取故障信号的非线性特征,它提取的故障特征对故障具有更好的识别能力,并对分类器具有较强的鲁棒性。 相似文献
11.
12.
指数加权动态核主元分析法及其在故障诊断中应用 总被引:4,自引:1,他引:4
核主元分析法能充分利用核函数来解决非线性问题,具有很好的非线性逼近能力,但传统的核主元分析不能处理动态问题。在分析核主元分析法的基础上,提出一种新的指数加权核主元分析算法,建立一个多变量加权自回归统计核主元模型,选择Q统计量来判断系统是否发生故障,给出指数加权核主元分析法诊断故障的具体计算步骤。对液压泵进行了试验,利用小波包对液压泵端盖的振动信号进行处理,提取由13个时域和时频域特征量构成的故障特征矢量。试验结果表明,与传统的核主元分析法相比,新方法能实时更新主元模型和控制限Qa,合理地利用实时动态信息,能较好地处理动态问题,通过计算比较选择合适的加权因子,能获得良好的故障诊断效果,该方法是可行而有效的。 相似文献
13.
14.
通过研究主成分分析(principal component analysis,简称PCA)中有效特征值与信号频率和幅值之间的关系,发现有效特征值的数量是由原始信号中频率成分的个数决定,与幅值、频率和相位的大小无关。信号中每个频率产生两个有效的特征值,且幅值决定协方差矩阵C的特征值在其分布图中的排列顺序。提出了一种基于PCA的特征频率提取算法,该算法可实现对单个或多个特征频率的准确提取。将此方法应用于大型转子系统轴心轨迹的提纯上,效果优于谐波小波和小波包算法。 相似文献
15.
16.
讨论了核主元分析(K erne l P rinc ipa l Com ponen t A na lys is,简称KPCA)原理,提出了基于KPCA的透平机械状态监测方法。该方法在低维特征空间利用内积核函数,实现原始空间到高维空间的非线性映射以及对高维映像数据的主元分析,从而在低维空间得到原始特征的非线性主元,并根据非线性主元构建特征子空间,实现特征提取和对透平机械状态的分类识别并监测其状态变化。对仿真数据及透平机械在正常、重负荷状态下试验数据的研究表明,KPCA分类效果比主元分析好,能有效地识别出透平机械的不同状态,并能及时监测到状态发生的变化。 相似文献