基于PCA的小樣本與微小故障診斷方法研究.pdf

1、一般來說，故障診斷的前提是要先檢測到故障，之后再通過運(yùn)用一些方法和工具找到故障發(fā)生的位置和原因，然后通過“對癥下藥”完成故障的修復(fù)，進(jìn)而保證系統(tǒng)的安全運(yùn)行。隨著當(dāng)今科學(xué)技術(shù)的不斷進(jìn)步，現(xiàn)代工業(yè)的生產(chǎn)規(guī)模越來越大，系統(tǒng)的復(fù)雜度越來越高，而且有些工業(yè)生產(chǎn)依據(jù)著時間就是金錢的心態(tài)，要求系統(tǒng)連續(xù)運(yùn)行的時間越來越長，一旦系統(tǒng)受到一些不定因素的影響造成某一部分發(fā)生故障，輕者影響產(chǎn)品質(zhì)量和系統(tǒng)性能，重者會出現(xiàn)系統(tǒng)運(yùn)行失常進(jìn)而導(dǎo)致系統(tǒng)癱瘓，甚至對人身安

2、全和環(huán)境帶來很大的危害，因此系統(tǒng)的安全運(yùn)行就變得至關(guān)重要，而要實現(xiàn)系統(tǒng)的安全運(yùn)行就離不開故障診斷。故障診斷技術(shù)具有許多種不同的形式，例如基于模型的故障診斷方法在故障診斷研究中得到了很好的應(yīng)用，然而其性能好壞過于依賴系統(tǒng)機(jī)理模型的準(zhǔn)確程度，實際上精準(zhǔn)的系統(tǒng)機(jī)理模型往往很難建立。而基于數(shù)據(jù)驅(qū)動的故障診斷方法由于其不需要建立精準(zhǔn)的機(jī)理模型，只需對過程數(shù)據(jù)進(jìn)行分析，從而得到人們的廣泛關(guān)注。其中，主元分析(PCA)是基于數(shù)據(jù)驅(qū)動故障診斷方法的一個

3、重要分支。
　　本研究主要內(nèi)容包括：⑴針對實際系統(tǒng)過程中有時受環(huán)境影響只能得到小樣本故障數(shù)據(jù)，而傳統(tǒng)PCA方法在處理小樣本故障時，診斷性能不理想的缺點，根據(jù)PCA幾何意義，結(jié)合CS分解貝葉斯空間估計的思想，提出基于特征子空間估計的方法。首先建立Q統(tǒng)計閾值并根據(jù)不同故障特征子空間旋轉(zhuǎn)角度不同，建立故障模式特征子空間矩陣庫，然后在小樣本下通過特征子空間估計方法提取特征子空間，再利用矩陣相似性進(jìn)行故障診斷。仿真結(jié)果表明，基于特征子空間估

4、計方法對于小樣本下故障診斷問題有較好的診斷性能。⑵考慮到在量綱相同的系統(tǒng)中，變量所在位置不同，其變量重要程度也不相同，從而引入了變量加權(quán)的思想，建立了一種基于變量加權(quán)的主元分析的新方法。該方法首先利用正常運(yùn)行的離線數(shù)據(jù)建立主元模型；其次再根據(jù)系統(tǒng)的先驗信息分析來確定各變量的重要程度；然后在系統(tǒng)能量守恒的準(zhǔn)則下，賦予系統(tǒng)各變量相應(yīng)的權(quán)值；最后將各傳感器所采樣的在線數(shù)據(jù)賦予相應(yīng)的權(quán)值，對系統(tǒng)進(jìn)行在線故障檢測。理論分析和仿真實驗均表明，在重要