基于數(shù)據(jù)驅動的故障診斷模型及算法研究.pdf

1、隨著工業(yè)技術的進步，現(xiàn)代工業(yè)生產過程的規(guī)模越來越大，復雜程度也越來越高。復雜生產過程裝置一旦發(fā)生故障，不但會造成巨大的經(jīng)濟損失，而且可能導致人員傷亡和對生態(tài)環(huán)境的破壞。故障診斷技術可以通過監(jiān)測生產過程的運行狀態(tài)、對導致系統(tǒng)功能異常的原因或性質，故障發(fā)生的位置及程度進行判斷，并且預測故障狀態(tài)的發(fā)展趨勢，提出故障消除的對策，從而保障生產的安全及提高產品質量。
　　 復雜工業(yè)過程的精確數(shù)學模型往往是難以得到的，這導致傳統(tǒng)的基于模型的故

2、障診斷方法在應用上存在很大的局限性，而隨著計算機技術在工業(yè)過程控制領域的廣泛應用，使我們可以獲取大量的過程數(shù)據(jù)，這為基于數(shù)據(jù)分析的故障診斷策略的發(fā)展創(chuàng)造了良好的基礎條件。基于數(shù)據(jù)驅動的故障診斷方法就是以生產過程數(shù)據(jù)為基礎，通過各種數(shù)據(jù)處理與分析方法挖掘出數(shù)據(jù)中隱含的信息，完成對復雜過程的故障檢測、分離、評價及決策的，以提高過程監(jiān)控能力。本文以典型化工生產過程中的高復雜性、強耦合性、非線性、不確定性系統(tǒng)對象，研究基于數(shù)據(jù)驅動的復雜工業(yè)過程

3、新型故障診斷算法。
　　 首先，針對核主元分析算法中的核函數(shù)形式選取問題進行了研究，通過對典型核函數(shù)的特性進行分析，構造了一類新的核函數(shù)形式，并基于此提出了一種改進的核主元分析故障診斷算法，通過仿真實驗證明該算法不但對局部信息敏感，而且具有很強的泛化能力，能夠較準確的發(fā)現(xiàn)故障信息。
　　 其次，研究了基于信息熵的特征選取和故障診斷問題，對基于互信息的特征選取及故障診斷方法進行了深入的研究。針對互信息在高維空間下難以計算的

4、問題，在特征信息不嚴重背離均勻分布的條件下提出了一種新的基于二階互信息的特征選取算法，可以自適應地估計出候選特征與已選特征之間關于輸出類別的冗余信息，無需預先人為設定與特征冗余程度有關的參數(shù)，算法能夠提供準確的特征評價準則，具有很高的故障診斷率和模型適應性。
　　 再次，將核變換引入到部分最小二乘算法中，建立了一種改進的跟蹤遞推最小二乘故障診斷模型。該方法通過非線性映射將過程數(shù)據(jù)從低維的輸入空間映射到高維的特征空間，實現(xiàn)了變量之