基于数据驱动的故障诊断方法综述

首先介绍了基于数据驱动的故障诊断方法研究动机和国内外发艘现状.以新的视角将现有故障诊断方法分为基十数据驱动的方法、基十分析模型的方法和基于定性经验的人工智能方法.说明了该方法在整个体系中的地位.并从数据利用及其与基十分析模型的方法比较等方面探讨了该方法的应用背景;然后综述了按照新分类中基于数据驱动故障诊断的现有方法,分...     

基于大数据的控制系统故障诊断方法综述

大数据技术的发展使得控制系统故障诊断方法进一步丰富和完善,为此在总结大量参考文献的基础上,从控制系统故障诊断方法分类变化角度,简述了其发展历程。通过新的故障诊断方法分类,归纳总结了控制系统故障诊断方法的现状,对比分析了基于解析模型、经验知识和数据驱动方法的优缺点,最后进行了总结展望。     

基于Kullback-Leibler距离的闭环系统传感器微小故障诊断

在闭环控制系统中,当故障幅值较小时,由故障带来的影响会被控制量所掩盖.因此,闭环系统中的微小故障诊断实现更为复杂.本文针对闭环系统中的传感器故障,提出了基于Kullback-Leibler(KL)距离的微小故障在线检测与估计方法.本文首先介绍了KL距离的定义及其在多变量故障检测中的应用,然后提出了结合KL距离与快速移动窗口主成分分析(MWPCA)的在线微小故障检测与估计模型.在高斯分布的假设下,利用系统输入输出残差构造MWPCA的数据矩阵,然后通过在线更新数据矩阵主成分的均值与方差实现KL距离的在线更新,最终实现闭环系统中传感器的在线故障检测与估计.仿真实验表明,该方法能有效实现具有低故障—噪声比(FNR)特性的微小故障诊断.     

微小故障诊断方法综述

针对微小故障的特点,提出将微小故障分为缓变微小故障、突变微小故障和间歇性微小故障,并进一步提出微小故障诊断方法的分类框架,将微小故障诊断方法分成了3类,即定性诊断方法、定量诊断方法和半定性半定量诊断方法.对每一类中现有的微小故障诊断方法再次归类,并对每种方法的基本思想、研究进展、适用条件和应用等进行了介绍.最后探讨了微小故障诊断有待解决的问题.     

基于数据驱动的故障诊断技术研究现状及展望

对基于数据驱动的过程故障诊断方法进行了总结和划分,其中包含多元统计方法、机器学习方法、流形学习方法等。将各类基于数据驱动的故障诊断方法的原理、研究进展及其在工业过程中的应用进行了描述和分析,最后指出这一领域中需要进一步解决的问题以及近期的研究热点。     

基于相对Fisher判别分析理论的故障诊断方法

随着现代工业过程的不断发展,自动化设备越来越复杂。系统的安全性与可靠性是设备现代化的重要方面。数据驱动的故障诊断技术是复杂工业生产过程安全性与可靠性的重要保障之一。传统的Fisher判别分析方法:常常忽视了量纲在各过程变量特征提取过程中的影响。本文在回顾传统Fisher判别分析理论的基础上,指出了量纲及量纲标准化过程对判别分析过程产生的影响,并建立了一种相对Fisher判别分析方法:。先通过预处理的方法:消除量纲差异带来的虚假影响,然后根据系统要求对观测数据做相对化变换,从而更有效地获取各观测数据的代表信息及不同运行模式的判断阈值。最后,利用计算机仿真实验验证了本文方法:的有效性。     

基于数据驱动的云边智能协同综述

随着物联网（IoT）的快速发展,大量在传感器等边缘场景产生的数据需要传输至云节点处理,这带来了极大的传输成本和处理时延,而云边协同为这些问题提供了有效的解决方案。首先,在全面调查和分析云边协同发展过程的基础上,结合当前云边智能协同中的研究思路与进展,重点分析和讨论了云边架构中的数据采集与分析、计算迁移技术以及基于模型的智能优化技术;其次,分别从边缘端和云端深入分析了各种技术在云边智能协同中的作用及应用,并探讨了云边智能协同技术在现实中的应用场景;最后,指出了云边智能协同目前存在的挑战及未来的发展方向。     

基于数据驱动的WSN节点故障诊断算法

节点故障诊断是无线传感器网络持续性监测服务的关键步骤。为准确高效地得到诊断结果,提出一种基于数据驱动的故障诊断算法。对每个节点获取的信息建立空间高维向量,引入自身历史数据和邻居节点数据构造十字滑动窗口,并赋予十字方向上自定义的故障权重,通过检测异常向量达到故障诊断的目的。实验结果表明,该算法能够克服计算量大、故障判定条件苛刻等不足,与分布式故障诊断算法相比,可使故障诊断正确率提高15.5%,故障误警率下降4.89%。     

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。     

变压器故障诊断技术综述

变压器设备在电力系统中起到了重要的作用,其健康、稳定的运行关系到电压转换、电能分配的顺利实现,而故障诊断技术能够为变压器的正常运转保驾护航。本文详细综述国内外变压器故障诊断技术的研究现状,分析变压器故障诊断的发展历程,对比研究不同诊断方法的优劣及适应场景,分析传统变压器故障数据提取方法——溶解气体分析法以及基于声音信号的变压器故障数据提取方法,最终提出变压器故障诊断未来的研究重点及发展趋势,为变压器故障的诊断提供一定的参考。     

建筑电气系统故障诊断综述

从建筑电气系统研究现状、应用前景以及故障诊断方法等方面进行阐述;介绍信号分析、解析模型和人工智能算法三大类中用于解决建筑电气系统故障诊断的典型算法;综述三类方法在故障诊断中的模型选择、学习算法和实际应用等方面的研究进展;探讨信号分析、解析模型和人工智能算法在建筑电气系统故障诊断中的理论分析,以及待解决的问题和未来的发展...     

数据驱动的故障诊断与容错控制:进展与可能的新方向

综述数据驱动的故障诊断与容错控制方法的主要进展. 首先对工业过程故障检测与诊断简短的进行了简短的总结, 然后讨论了广泛应用的数据驱动或基于知识的方法. 本文还给出了一个由控制系统设定值设定不合适而引起的异常工况的诊断与容错控制的工业应用案例. 最好指出了可能的研究新方向.     

缓变故障的概率故障预测方法研究

针对实际过程中存在的各种不确定性因素,提出了基于主成分分析和贝叶斯AR模型相结合的概率故障预测算法.该算法首先对过程数据进行主成分分析,得到T~2和SPE统计量,并对其进行Box-Cox变换.对变换后的两个序列分别建立贝叶斯AR模型,得到一系列下一时刻预测值.将所得预测值经Box-Cox反变换还原为原分布下的统计量预测值,并由核密度估计及相应控制限计算统计量超限概率,实现故障预测.最后,仿真结果表明了该方法的有效性.     

动态系统故障诊断技术研究进展与展望

阐述了动态系统故障诊断技术的发展状况，对各种诊断方法进行详细的分类介绍及比较；最后对故障诊断技术的发展趋势和有待解决的问题进行了分析与探讨。     

人工智能在电路故障诊断中的应用

本文主要介绍人工智能在电路故障诊断中的应用,提出电路故障诊断专家系统的概念、模型及发展前景。     

复杂系统的智能故障诊断技术现状及其发展趋势

智能故障诊断技术为保障工程技术系统的可靠性和安全性开辟了新的途径,随着系统设备和功能的日益复杂化,发生故障的机率以及由此带来的损失越来越大,现有单一、固定的故障诊断方法却难以满足复杂系统诊断的全部要求。该文针对复杂系统故障现象的特点,分析了现有基于规则、基于结构和行为、案例、模糊逻辑、神经网络及其集成知识诊断技术的各自特点和局限性,指出了机器学习对于当前复杂系统智能故障诊断发展的重要性,有利于改变现有单一、固定的故障诊断思维,并对未来的主要发展方向进行了一些探讨。