基于CVA-ICA与CSM的故障诊断方法

针对工业过程的故障诊断问题,提出了一种基于规范变量分析与独立元分析(CVA-ICA)的动态过程故障检测方法,在此基础上,结合连续字符串匹配(CSM)算法,提出了一种改进的基于完备故障库的故障诊断算法.该算法首先用CVA方法求出观测数据的规范变量,然后对规范变量进行ICA分解,最后运用CSM算法对ICA分解后的数据进行故障诊断.通过对TE过程的仿真研究,验证了所提出的改进算法的可行性与有效性.     

基于核独立元分析的非线性工业过程故障诊断

复杂工业过程的数据具有非高斯、非线性特性,在进行故障检测时,利用核独立元分析(kernel independent component analysis, KICA)方法能有效解决这一问题。然而,由于在处理数据时使用了核函数,无法将线性的贡献图方法直接用于故障诊断,因此采用一种基于改进KICA结合非线性贡献图的方法,对非线性工业过程进行故障检测与诊断。该方法利用基于超松弛因子的FastKICA方法建立监控模型,得到检测故障信息。在发生故障后,通过非线性贡献图法诊断故障变量。最后,选用带钢热连轧工业过程实测数据进行仿真,通过与传统贡献图方法比较,结果表明此方法能够对非线性数据进行有效可靠的故障检测和故障诊断,验证了非线性贡献图的有效性。     

基于线性和非线性判别的工业过程建模方法

在传统的工业过程建模方法的基础上,针对变量间往往存在复杂的数据特性的问题,提出一种线性和非线性关系的判别方法。以多元统计分析为基础,对变量之间的相关性进行分析,有效区分了线性变量和非线性变量。在此基础上提出了相应的建模方法,提高了模型精度。通过仿真验证,对过程进行线性和非线性判别有助于提高过程模型的精度。     

基于动态结构保持主元分析的故障检测方法

为充分利用表征过程运行工况的数据特征信息,提高化工过程的故障检测性能,提出一种基于动态结构保持主元分析(DSPPCA)的过程故障检测方法。首先对原始数据采用变量相关性分析建立自回归模型,构建包含动态特征的数据集,进一步综合考虑主元分析法(PCA)和局部线性嵌入(LLE)流形学习算法中数据点之间的近邻关系,融合得出新的目标函数,同时,运用局部线性回归的方法获得高维样本的嵌入映射,特征提取后在特征空间和残差空间分别构造监控统计量进行故障检测。Swiss-roll数据集的降维结果及TE过程的仿真研究结果表明,DSPPCA算法可以取得较好的特征提取效果,具有较高的故障检测性能。     

基于动态核主元分析的电缆接头故障检测方法

针对环网柜电缆接头故障发生前后时刻的时间相关性较强,且故障的发生是一个非线性过程,将动态核主元分析应用于环网柜电缆接头故障检测并建立故障检测模型.该模型可以在解决非线性变量难以分离的同时提取变量之间的动态自相关特性,并通过建立动态核主元在线监测模型及时检测故障的发生.最后对采集的环网柜电缆接头故障数据进行实验分析,实验结果证明所提方法能有效地检测出环网柜电缆接头故障的发生,且检测精度和误报率均优于之前的算法.     

基于独立分量相异性分析的动态过程监控研究

针对动态独立分量分析(dynamic independent component analysis, DICA)在过程中捕获的独立分量存在自相关性和故障漏报的问题，提出基于独立分量相异性分析(DICA dissimilarity analysis, DICA-DISSIM)的动态过程监控方法。首先，利用DICA从原始数据中捕获独立分量；其次，在独立分量子空间中引入滑动窗口并进行相异性分析得到一个新的统计指标来监控过程的当前状态；最后，利用变量贡献图方法分析过程异常原因。与传统的DICA相比，所提方法能够有效地降低DICA捕获的独立分量的自相关性，降低了过程动态特征对故障检测的影响，最后解决了DICA统计量中存在的故障漏报问题。通过对动态数值例子和田纳西-伊斯曼过程进行仿真，仿真结果表明，与独立分量分析(independent component analysis, ICA)、DICA和动态主成分分析(dynamic principal component analysis, DPCA)相比，该方法有效地提高了动态过程监控性能。     

多变量轨迹分析的过程故障检测方法

为了解决实际工业过程中的多变量动态过程监测问题,提出了一种基于多变量轨迹分析和主元分析的在线故障检测方法。通过构造过程轨迹向量实现了多变量动态信息的提取,结合主元分析算法对模型进行了改进,利用改进模型充分分析了过程数据的变化特征,同时将关键变量的轨迹趋势图作为参考实现了离线建模和在线故障检测。与传统的基于轨迹分析的方法相比,所提方法克服了变量个数限制,解决了统计量难以设计的问题,提取了过程动态特性,实现了更为可靠的动态过程监测。通过某企业合成氨生产中转化单元的实例验证表明,所提方法在处理多变量动态过程的故障检测问题上效果良好。     

工业过程核概率主元模型建立及监控指标

概率主元分析(PPCA)能够根据过程变量的预测误差及其主元的白化值实现对过程的监控。但是PPCA只适合线性过程,而对非线性过程的监控效果不理想。为克服上述缺点,提出一种基于核PPCA(KPPCA)的过程监控方法,定性讨论了KPPCA模型的参数和主元个数选择问题,构造了高维空间的SPE和T2监控指标。该方法利用核函数将非线性数据映射到高维空间,去除了过程的非线性,然后利用PPCA对满足线性关系的过程变量映射值进行监控。仿真结果验证了该方法对非线性过程监控的优越性。     

仿真模型的智能化验证方法

为实现仿真模型可信度验证过程的自动化,并解决验证技术在应用中过度依赖领域专家经验等问题,提出基于知识的模型验证方法.首先,对模型验证的客观和主观方法中的数据和信息转化过程,以及用于模型验证中真实系统测试数据和领域专家的经验等参考信息进行抽象和归纳.其次,在知识抽象的基础上,分别建立领域知识模型、验证技术模型和验证任务模型.最后,在知识模型的基础上设计和实现智能化验证系统.对电磁轨道炮仿真模型的验证表明,该方法可有效对仿真模型进行验证,且主观和客观的验证方法均可以集成到该系统中,提高了模型验证效率.     

基于核状态空间ICA的非线性动态过程故障检测方法

针对工业过程的非线性和动态特性,提出一种基于核状态空间独立元分析的故障检测方法.采用核规范变量分析法将非线性动态过程数据映射到核状态空间,得到去相关的状态数据.对状态数据的各时延协方差矩阵进行加权求和得到状态数据的时序结构矩阵,进而建立ICA统计模型,从状态数据中提取独立元特征数据,并构造监控统计量检测过程故障.在Tennessee Eastman过程上的故障检测结果表明,相比于传统的基于动态核主元分析的故障检测方法,该方法更加灵敏地检测到故障的发生,提高故障检测率.     

工艺流程识别及阀门操作合理性的可视化监测

为实现工艺流程识别及阀门操作合理性诊断和可视化监测，利用半实物仿真系统采集的温度、流量信息建立了基于支持向量数据描述（SVDD）的工艺流程识别模型。对工艺流程识别进行了半实物仿真实验，对阀门操作进行了可视化监测和合理性判别，提出了基于数字滤波的改进工艺流程识别性能的方法。实验结果表明：无故障样本条件下建立的工艺流程识别模型能够准确地识别出相应的工艺流程，模型输出可以直观地反映阀门开度偏离设定工况的程度，为无故障样本条件下的阀门操作合理性诊断和可视化监测提供了一种新的技术手段。     

开关柜母排多点面阵测温与温升异常辨识方法

针对单点传感测温难以全面准确识别高压开关柜过热故障的问题，提出一种以低分辨率多点面阵测温取代传统点测温的新方法及其技术实现.首先，提出低分辨率红外阵列传感器的开关柜温度状态多点传感检测技术，获取开关柜电缆室母排与电缆连接处的多视场温度分布数据.其次，在实现过热区域定位的基础上，建立k最近邻(KNN)算法温度故障辨识模型，识别开关柜母排故障状态.最后，搭建开关柜温度状态监测平台，采集数据并分析.实验结果表明，多点面阵测温不仅适用于开关柜状态监测要求，且其温升异常检测方法可有效实现过热故障的区域定位与识别分类.     

基于DW-ICA-SVM的工业过程故障检测算法

为了有效提高支持向量机(SVM)算法的故障检测和监视性能,提出一种新的基于DW-ICA-SVM的工业过程故障检测算法.首先,对训练数据进行标准化,运用独立元分析(ICA)获取数据的独立元矩阵,提取隐藏的非高斯信息.其次,运用杜宾-瓦特森(Durbin-Watson,DW)准则计算独立元(ICs)的DW值,通过DW方法有...     

基于余弦相似度的复杂网络故障检测方法及应用

提出一种基于余弦相似度的复杂网络故障检测方法。利用余弦相似度确定变量之间的相关性,得到邻接矩阵,进而构建变量之间的网络模型;结合系统的网络拓扑结构,计算相应的复杂网络度量指标,对比故障状态与无故障状态下的网络结构与度量指标的差异,确定故障源;最后利用Tennessee-Eastman（TE）过程故障检测实例,结果表明,与偏相关系数方法对比,本文所提方法能有效且更准确地检测出故障。     

基于动态独立成分的单类支持向量机方法及其在故障诊断中的应用

针对工业过程故障诊断中数据的动态性、非高斯性和非线性特点,提出一种基于动态独立成分的单类支持向量机(OCSVM)方法。为了分析数据的动态特性和非高斯性,应用动态独立成分分析(DICA)方法提取数据变量中的动态独立成分作为特征信息,基于特征信息建立OCSVM模型并构造非线性监控统计量。检测到故障后,计算故障数据与故障模式数据决策超平面的相似度,通过相似度分析识别故障模式。在Tennessee Eastman基准过程上的仿真结果表明,提出的方法能够比单类支持向量机更有效地检测过程故障,并且能够正确识别故障模式。     

动态多流形投影算法在统计过程监测中的应用

为了解决工业数据的序列相关性以及数据的全局和局部结构在某些异常状态下的变化问题,通过"时滞偏移"方法将动态行为纳入多流形投影(multi-manifold projections,MMP)模型,提出一种动态多流形投影算法(dynamic multi-manifold projections,DMMP)在统计过程监测中的...     

柴油机燃油系故障的模糊诊断

为了定量检测柴油机燃油系3个精密偶件的状态、实现柴油机不解体故障诊断，研制了嵌入式电阻应变压力传感器；采用常规测试仪器，利用正交试验方法，测得不同磨损程度精密偶件的组合在工作中的压力波形；通过对燃油系供油压力变化过程、影响因素以及实测压力波形的分析，选取用于故障诊断的显著性特征参数；根据燃油系故障特点及其与特征参数的关系，采用模糊综合评判法和模式识别法作为诊断模型，并依据试验结果求得模糊关系矩阵。结果表明，利用模糊数学模型对柴油机燃油系故障进行诊断是可行的。     

基于mcODM-STA的风电机组变桨系统故障诊断

针对风力发电机组变桨系统故障诊断模型参数难以优化问题,提出了基于状态转移算法优化多类最优间隔分布机(multi-class Optimal Margin Distribution Machine optimized by the State Transition Algorithm,mcODM-STA)的风电机组变桨系统故障诊断方法.该方法选择风电机组功率输出作为主要状态参数,利用Pearson相关系数对风电数据采集与监视控制系统中风电机组历史运行数据进行相关性分析,剔除与功率输出状态参数相关性较低的特征,对余下特征进行二次分析,减少样本特征.将数据集分为训练集和测试集,训练集用来训练所提故障诊断模型,测试集用来进行测试.利用国内风电场实际运行数据进行实验验证.实验结果表明,与其他多种参数优化方法相比,所提方法故障诊断准确率和Kappa系数更高.