基于全局和局部結(jié)構(gòu)特征提取的故障檢測方法研究.pdf

1、隨著工業(yè)過程自動化程度的逐漸提高，實時檢測到故障并保證過程的安全運行也越來越重要?，F(xiàn)代工業(yè)過程每天都會產(chǎn)生和存儲大量的數(shù)據(jù)，根據(jù)過程數(shù)據(jù)進(jìn)行特征提取和統(tǒng)計建模，并基于相應(yīng)的故障檢測算法進(jìn)行過程監(jiān)測越來越成為過程監(jiān)測領(lǐng)域的研究熱點。目前，比較流行的故障檢測算法主要有主成分分析(PCA)等全局結(jié)構(gòu)特征提取法、鄰域保持嵌入(NPE)等局部結(jié)構(gòu)特征提取法，本文針對這些傳統(tǒng)方法的不足提出如下的故障檢測算法：
　　(1)提出基于分布式ICA-

2、PCA的故障檢測算法，適合于復(fù)雜工業(yè)過程難以自動劃分子塊和過程數(shù)據(jù)存在非高斯信息的情況。該算法首先對過程數(shù)據(jù)進(jìn)行PCA分解，并在PCA主成分不同的方向上構(gòu)建不同的子塊，把原始特征空間自動劃分為不同子空間；然后對各個子塊采用ICA-PCA兩步信息提取的策略，提取出高斯信息和非高斯信息，并構(gòu)建新的統(tǒng)計量和統(tǒng)計限；最后，通過仿真實驗驗證所提出故障檢測算法的有效性。
　　（2）針對工業(yè)過程并非完全符合多元正態(tài)分布及存在非局部屬性的問題，提

3、出基于稀疏保持投影（SPP）的故障檢測算法。首先，與局部保持投影（LPP）和鄰域保持嵌入（NPE）等現(xiàn)有技術(shù)在降維過程中保持局部鄰域信息不同，SPP通過最小化一個l1正則化相關(guān)目標(biāo)函數(shù)保持?jǐn)?shù)據(jù)的稀疏重構(gòu)關(guān)系，并計算出投影向量；其次，利用投影向量將原始數(shù)據(jù)空間劃分為特征空間和殘差空間，構(gòu)建統(tǒng)計量和統(tǒng)計限；最后，通過仿真實驗驗證了所提出方法具有較好的檢測效果。
　　（3）針對傳統(tǒng)故障檢測算法僅僅嵌入數(shù)據(jù)的局部或全局結(jié)構(gòu)的問題，提出基于

4、局部-全局保持嵌入（LGPE）的故障檢測算法。LGPE算法利用鄰域保持嵌入(NPE)的目標(biāo)函數(shù)嵌入局部數(shù)據(jù)結(jié)構(gòu)，同時設(shè)計一個新的目標(biāo)函數(shù)約束樣本與其非近鄰點間的相對位置；然后，通過雙重的優(yōu)化問題同時保存原始數(shù)據(jù)的局部和全局結(jié)構(gòu)特征，并構(gòu)建統(tǒng)計量和統(tǒng)計限；最后，通過仿真實驗驗證所提出算法的實用性和可行性。
　?。?）鑒于淺層結(jié)構(gòu)故障檢測算法對復(fù)雜函數(shù)表示能力和復(fù)雜問題泛化能力不足的局限，本章利用深層學(xué)習(xí)算法的優(yōu)勢，提出基于降噪自動編