資源描述：
《基于改進(jìn)PCA的故障檢測(cè)與診斷方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、基于改進(jìn)PCA的故障檢測(cè)與診斷方法摘要：提出了--種基丁?小波公噪和主元分析的故障檢測(cè)和診斷方法。該方法利用小波分析先對(duì)正常T況下的數(shù)據(jù)進(jìn)行處理，然后運(yùn)用T2統(tǒng)計(jì)、Q統(tǒng)計(jì)方法,結(jié)合主元得分圖和變量貢獻(xiàn)圖對(duì)一模型進(jìn)行了仿真分析。結(jié)果表明，該方法是有效的。關(guān)鍵詞：主元分析；小波去噪；故障檢測(cè)；故障診斷近年來(lái)，不少研究者將主元分析(PCA)應(yīng)用于化工過(guò)程的監(jiān)測(cè)中，取得不錯(cuò)的效果叫但是現(xiàn)場(chǎng)數(shù)據(jù)中不可避免地包含不同程度地顯苦誤差，測(cè)量噪聲和系統(tǒng)噪聲，噪聲地水平將直接影響到最終主元模型的準(zhǔn)確性，所以在常規(guī)PCA方法前先利用小波去噪對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，然后再用主元分析方法進(jìn)行故障檢測(cè)與診斷。1基于小波去
2、噪和主元分析的故障檢測(cè)與診斷1.1小波去噪小波(wavelet),即小區(qū)域的波，是一種特殊長(zhǎng)度有限、平均值為0的波形。小波分析源于信號(hào)分析，源于函數(shù)的伸縮和平移，是Fourier分析，Gabor分析和短時(shí)Fourier分析發(fā)展的直接結(jié)果，它在對(duì)信號(hào)的處理中具有良好的吋頻局部化特性、特別的去噪能力以及便于提収弱信號(hào)的特點(diǎn)，在非平穩(wěn)信號(hào)的處理以及對(duì)?信號(hào)進(jìn)行時(shí)頻分析中得到了廣泛的應(yīng)用⑵。小波去噪方法主耍有⑶：小波分解與重構(gòu)法去噪、非線性小波變換閾值法去噪、平移不變量小波去噪、小波變換模極人值法去噪。小波分解與重構(gòu)法去噪計(jì)算速度快，但是對(duì)于有用信號(hào)和噪聲頻帶相互重疊的情況，效果不好，非線性小波
3、變換閾值法去噪的優(yōu)點(diǎn)噪聲兒乎完全得到抑制，具有廣泛的適應(yīng)性，而且計(jì)算速快，平移不變屋小波去噪效果不錯(cuò)，但是速度不快，小波變換模極大值法去噪的效果也不錯(cuò)，但是其速度非常慢，通常要比前兒種方法慢數(shù)十倍。因此本文主要采用非線性變換軟域值法去噪。1.2基于主元分析的故障檢測(cè)與診斷主元分析法進(jìn)行故障檢測(cè)和診斷的基本思想是:根據(jù)收集的過(guò)程止常工況下的歷史數(shù)據(jù),按照一定的標(biāo)準(zhǔn)，利用統(tǒng)計(jì)的方法找出能夠表達(dá)正常工況下過(guò)程各變量之間的因果關(guān)系的低維主元成份，即主元模型，一旦過(guò)程的實(shí)時(shí)測(cè)量數(shù)據(jù)與建立的主元模型不符，就可以判斷過(guò)程屮已有故障發(fā)生，再通過(guò)對(duì)測(cè)量數(shù)據(jù)屮各變量變化對(duì)主元模型的方差貢獻(xiàn)率的分析，進(jìn)行故障
4、診斷。1.2.1主元分析,考慮生產(chǎn)過(guò)程在正常情況下測(cè)量數(shù)據(jù)集XwR'",n為樣本數(shù)，"為測(cè)最變量數(shù)，利T—「才了二Pnxm用主元計(jì)算方法得到主元矩陣'〃一山和負(fù)荷向量矩陣Ph二［卩…如果過(guò)程的各測(cè)量變量間存在冗余，那么只利用前M5個(gè)主元就可反映出過(guò)程的主要信息，而剩下的(/H-/)個(gè)主元反映了過(guò)程的兀余信息和噪聲等不基于改進(jìn)PCA的故障檢測(cè)與診斷方法摘要：提出了--種基丁?小波公噪和主元分析的故障檢測(cè)和診斷方法。該方法利用小波分析先對(duì)正常T況下的數(shù)據(jù)進(jìn)行處理，然后運(yùn)用T2統(tǒng)計(jì)、Q統(tǒng)計(jì)方法,結(jié)合主元得分圖和變量貢獻(xiàn)圖對(duì)一模型進(jìn)行了仿真分析。結(jié)果表明，該方法是有效的。關(guān)鍵詞：主元分析；小波去
5、噪；故障檢測(cè)；故障診斷近年來(lái)，不少研究者將主元分析(PCA)應(yīng)用于化工過(guò)程的監(jiān)測(cè)中，取得不錯(cuò)的效果叫但是現(xiàn)場(chǎng)數(shù)據(jù)中不可避免地包含不同程度地顯苦誤差，測(cè)量噪聲和系統(tǒng)噪聲，噪聲地水平將直接影響到最終主元模型的準(zhǔn)確性，所以在常規(guī)PCA方法前先利用小波去噪對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，然后再用主元分析方法進(jìn)行故障檢測(cè)與診斷。1基于小波去噪和主元分析的故障檢測(cè)與診斷1.1小波去噪小波(wavelet),即小區(qū)域的波，是一種特殊長(zhǎng)度有限、平均值為0的波形。小波分析源于信號(hào)分析，源于函數(shù)的伸縮和平移，是Fourier分析，Gabor分析和短時(shí)Fourier分析發(fā)展的直接結(jié)果，它在對(duì)信號(hào)的處理中具有良好的吋頻局部化
6、特性、特別的去噪能力以及便于提収弱信號(hào)的特點(diǎn)，在非平穩(wěn)信號(hào)的處理以及對(duì)?信號(hào)進(jìn)行時(shí)頻分析中得到了廣泛的應(yīng)用⑵。小波去噪方法主耍有⑶：小波分解與重構(gòu)法去噪、非線性小波變換閾值法去噪、平移不變量小波去噪、小波變換模極人值法去噪。小波分解與重構(gòu)法去噪計(jì)算速度快，但是對(duì)于有用信號(hào)和噪聲頻帶相互重疊的情況，效果不好，非線性小波變換閾值法去噪的優(yōu)點(diǎn)噪聲兒乎完全得到抑制，具有廣泛的適應(yīng)性，而且計(jì)算速快，平移不變屋小波去噪效果不錯(cuò)，但是速度不快，小波變換模極大值法去噪的效果也不錯(cuò)，但是其速度非常慢，通常要比前兒種方法慢數(shù)十倍。因此本文主要采用非線性變換軟域值法去噪。1.2基于主元分析的故障檢測(cè)與診斷主元
7、分析法進(jìn)行故障檢測(cè)和診斷的基本思想是:根據(jù)收集的過(guò)程止常工況下的歷史數(shù)據(jù),按照一定的標(biāo)準(zhǔn)，利用統(tǒng)計(jì)的方法找出能夠表達(dá)正常工況下過(guò)程各變量之間的因果關(guān)系的低維主元成份，即主元模型，一旦過(guò)程的實(shí)時(shí)測(cè)量數(shù)據(jù)與建立的主元模型不符，就可以判斷過(guò)程屮已有故障發(fā)生，再通過(guò)對(duì)測(cè)量數(shù)據(jù)屮各變量變化對(duì)主元模型的方差貢獻(xiàn)率的分析，進(jìn)行故障診斷。1.2.1主元分析,考慮生產(chǎn)過(guò)程在正常情況下測(cè)量數(shù)據(jù)集XwR'",n為樣本數(shù)，"為測(cè)最變量數(shù)，利T—「才了二Pn
