基于數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過程故障診斷研究

《基于數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過程故障診斷研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、基于數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過程故障診斷研究-->第1章緒論1.1課題的研究背景當(dāng)今社會(huì)科學(xué)技術(shù)發(fā)展迅速、貿(mào)易競(jìng)爭(zhēng)異常激烈，各個(gè)企業(yè)不得不持續(xù)地進(jìn)行技術(shù)改革與創(chuàng)新來謀求生存和發(fā)展的機(jī)會(huì)，由此使得生產(chǎn)設(shè)備向大型化、自動(dòng)化、智能化、低能耗等方向發(fā)展。因此，一旦生產(chǎn)系統(tǒng)出現(xiàn)故障，輕則導(dǎo)致整個(gè)設(shè)備或系統(tǒng)運(yùn)行癱瘓，影響企業(yè)的正常運(yùn)行和經(jīng)濟(jì)效益，重則會(huì)發(fā)生人員傷亡的事件，給企業(yè)帶來負(fù)面的影響[1]。近幾十年，全球范圍內(nèi)不斷發(fā)生的工業(yè)事故造成了災(zāi)難性的損失。1984年，位于印度的一家美國(guó)化工農(nóng)藥公司發(fā)生毒氣泄漏事件，直接造成2500多人死亡，受傷人數(shù)達(dá)60多萬人[2]。2003年，美國(guó)

2、“哥倫比亞”號(hào)航天飛機(jī)上起著隔離材料作用的泡沫存在瑕疵，導(dǎo)致泡沫從機(jī)外的油箱上脫落，引發(fā)飛機(jī)在結(jié)束飛行任務(wù)之前爆炸，機(jī)上所有成員遇難的重大災(zāi)難性航空事故。...............1.2故障診斷技術(shù)概念工業(yè)故障診斷的理論研究于1971年Beard博士所提出的用解析冗余代替硬件冗余的理論[4]。到了上世紀(jì)70年代，隨著檢測(cè)濾波器、廣義似然比等故障診斷理論算法被提出[5]，故障診斷理論與應(yīng)用得到了快速地發(fā)展。例如，故障診斷被應(yīng)用于航空航天、發(fā)電以及核工業(yè)等領(lǐng)域。目前，小波分析、故障樹、神經(jīng)網(wǎng)絡(luò)、人工智能、支持向量機(jī)、遺傳算法等理論和方法已被推廣到故障診斷領(lǐng)域，并

3、取得了較好的成績(jī)[6-10]。在應(yīng)用領(lǐng)域，1967年美國(guó)“阿波羅”號(hào)由于設(shè)備故障引發(fā)了一系列的悲劇，使美國(guó)航天國(guó)家宇航局(NASA)意識(shí)到故障診斷的重要性，開始積極投入到故障機(jī)理、監(jiān)測(cè)、診斷技術(shù)的研究和開發(fā)，并將這些技術(shù)成功應(yīng)用于航天、航空、軍事等領(lǐng)域。英國(guó)在70年代初，為了開發(fā)、研究診斷技術(shù)專門成立了“英國(guó)機(jī)器保健中心(U.K.MechanicalHealthMonitoringCenter)”，日本將診斷技術(shù)應(yīng)用于核發(fā)電、鋼鐵和電力工業(yè)診斷等行業(yè)。...............第2章基礎(chǔ)理論2.1主成分分析(PCS)在實(shí)際的故障診斷過程中，需要對(duì)多個(gè)變量進(jìn)行

4、研究分析。但是，這些變量的數(shù)據(jù)量較大，且存在一定的相關(guān)性，在高維空間分析其分布規(guī)律與提取特征信息難度較大，同時(shí)提取的信息在一定程度上有所重疊，因而加大了故障診斷的難度。主元分析法[36]利用投影的思想，將多變量數(shù)據(jù)依次從高維空間投影到反映數(shù)據(jù)變化的各個(gè)方差方向上，取其中方差較大的部分作為主元部分，舍去較小的部分以達(dá)到降維的目的，也就是說它能夠用較少的變量來表征原始數(shù)據(jù)多變量動(dòng)態(tài)特征信息。其降階結(jié)果是把輸入數(shù)據(jù)空間劃分為兩個(gè)正交并且互補(bǔ)的子空間，即包含了過程的主要?jiǎng)討B(tài)特征信息的主元子空間(principalponentsubspace，PCS)和代表次要的過程信息

5、以及過程中的噪聲變化的殘差子空間。從數(shù)學(xué)的角度來看，用PCA算法分析過程變量的特征向量相當(dāng)于對(duì)過程變量的協(xié)方差矩陣進(jìn)行奇異值分解。...............2.2核獨(dú)立成分分析(KICA)KICA(kernelICA)方法[30]將ICA[29,37]使用過程數(shù)據(jù)的髙階統(tǒng)計(jì)特性，獲得獨(dú)立元的特點(diǎn)，與核函數(shù)利用非線性映射，用高維線性解決低維非線性問題的主要思想結(jié)合起來。由于KICA故障檢測(cè)方法可以有效地提取數(shù)據(jù)集的非高斯特征信息，因此KICA解決了ICA方法對(duì)非線性系統(tǒng)性能差的問題。獨(dú)立元分析的主要目的是只知道混合信號(hào)的前提下，分離出混合前的源信號(hào)，即尋找獨(dú)立

6、元S。其基本思想是按照統(tǒng)計(jì)獨(dú)立的原則對(duì)混合信號(hào)建立目標(biāo)函數(shù)，通過優(yōu)化算法計(jì)算目標(biāo)函數(shù)來實(shí)現(xiàn)獨(dú)立成分提取的目的。...............第3章基于KICA-PCA的工業(yè)過程故障診斷...............243.1田納西過程簡(jiǎn)介...............243.2基于PCA和KICA的工業(yè)過程故障檢測(cè)...............27第4章基于FDKICA-PCA的工業(yè)過程故障診斷...............364.1小波包去噪和動(dòng)態(tài)KICA-PCA................364.2FDKICA-PCA監(jiān)控流程..............

7、..40第4章基于FDKICA-PCA的工業(yè)過程故障診斷4.1小波包去噪和動(dòng)態(tài)KICA-PCAFDKICA-PCA算法由去噪、數(shù)據(jù)擴(kuò)展、兩步式KICA-PCA等3部分組成。首先需要引用2.3節(jié)中小波包去噪的工作原理，并對(duì)正常工況下采集到的數(shù)據(jù)矩陣X進(jìn)行去噪處理。然后利用AR模型(autoregressivemodel)對(duì)去噪后的數(shù)據(jù)矩陣X進(jìn)行數(shù)據(jù)預(yù)測(cè)，得到增廣矩陣X。最后，利用兩步式KICA-PCA算法對(duì)數(shù)據(jù)X進(jìn)行分析。在實(shí)際采集數(shù)據(jù)的過程中，同一生產(chǎn)過程中的不同變量之間關(guān)系密切，大致可分為自相關(guān)、滯后相關(guān)以及互相關(guān)，其中前兩者為生產(chǎn)過程的動(dòng)態(tài)特性。常用的數(shù)據(jù)驅(qū)

8、動(dòng)方法只考慮到數(shù)據(jù)的互相