基于近鄰規(guī)則的間歇過程故障檢測算法研究.pdf

1、間歇過程作為現(xiàn)代工業(yè)中的一種重要生產(chǎn)方式，被廣泛應用于高附加值，高精細產(chǎn)品的生產(chǎn)和加工中，其安全可靠運行日益成為人們關注的焦點，隨著間歇過程故障檢測準確性的不斷提高，故障檢測的實時性成為目前的研究熱點。本文以基于KNN的間歇過程故障檢測方法（FD-KNN）為研究課題，以間歇過程故障檢測實時性的優(yōu)化為研究目標，開展了以下研究工作，主要研究內(nèi)容分為三部分。
　　針對間歇過程廣泛存在的批次數(shù)據(jù)不等長的問題，研究以 DTW（動態(tài)時間規(guī)整）

2、方法為基礎的軌跡同步方法。為改善DTW算法在高維數(shù)據(jù)處理中的速度，本文提出了采用平行四邊形窗對DTW搜索路徑進行約束優(yōu)化策略，大大提高了同步速度，并采用TE過程數(shù)據(jù)進行相應仿真實驗，驗證了算法的有效性。
　　在FD-KNN方法的基礎上，針對間歇過程數(shù)據(jù)的非線性特點，研究了基于Kernel-KNN的故障檢測方法。通過引入核函數(shù)思想對基于傳統(tǒng)歐式距離的近鄰方法進行改進，使正常類樣本與故障類樣本的差異更為顯著，從而提高了故障檢測準確率，

3、在TE過程的仿真實驗也驗證了該算法的有效性。
　　針對Kernel-KNN方法在面對大樣本數(shù)據(jù)或高維數(shù)據(jù)時計算量和存儲量很大的缺點，研究了間歇過程快速故障檢測方法。1）針對單工況間歇過程，首先采用剪輯近鄰法去除位于訓練樣本分類面之間的模糊樣本，然后采用壓縮近鄰法去除位于分類面兩端的冗余樣本，在保留原樣本集大部分特征的基礎上大大精簡了樣本集。在TE過程中的仿真研究結果表明，基于快速近鄰法的間歇過程故障檢測方法提高了算法的運行效率，同