自相关过程的多变量统计过程监控

探讨了一种基于时间序列自相关移动平均(ARIMA)模型的自相关过程的多变量统计过程监控方法.以神经网络为基础建立预测模型,计算残差值,采用Hotelling's T21控制图进行监控,结合MYT分解法进行故障诊断.并模拟受控和失控状态的具有自相关的多变量过程,运用常规控制图和残差控制图对案例进行了分析比较,说明了本文方法的有效性.     

一阶马氏下潜变量模型的多元纵向数据分析

根据戒毒中心疗效的多元纵向数据为其建立了统计模型.对观测到的多元纵向数据建立了关于潜在变量的回归模型,由于潜在变量代表治疗效果,而且随着时间间隔的增大,其相关性逐渐减弱,所以对潜在变量建立一阶马氏链的自相关模型,并利用EM算法获得模型参数估计.     

高维多任务回归问题的置信区间（英文）

多元响应变量和预测变量之间的回归问题目前已被广泛应用于生物医学和经济学等领域。本文主要研究高维多任务学习问题中未知系数矩阵的统计推断问题。基于两步投影技术，我们按行构建了统计量。该方法通过消除重要信号的影响提高了推断效率。此外，通过建立该方法的渐近正态性，我们为未知系数矩阵的所有元素生成了相应的置信区间。最后，模拟研究和实际数据分析都验证了该方法的有效性。     

逐步回归与判别分析的应用研究--在乳腺疾病建模中的应用

体内激素紊乱是导致乳腺疾病发生的重要原因,将逐步回归法与Fisher判别法结合应用于乳腺疾病建模中,对乳腺疾病与6种内分泌激素及患者年龄的关系进行了多元线性判定分析,建立了变量与相关疾病的逻辑回归模型与判别模型,该模型通过实际应用,判别效果较好,有助于乳腺疾病的诊断。     

基于EFSM模型的不可行迁移路径判定

扩展有限状态机(Extended Finite State Machine:EFSM)虽然被广泛用作各种软件的底层模型,但如何判定其测试序列的不可行性是一个困难的问题,为此将迁移路径上的变量分为计数器变量、选择变量和矛盾变量,并从这三个角度进行路径的不可行判定.实验结果表明,EFSM模型中的不可行迁移路径主要由这三类变量引起,且本方法可以有效地判定出含这三类变量的不可行迁移路径.     

基于小波域威布尔分布模型的电机滚动轴承故障诊断

电机轴承的运行状态是否正常，通常可以通过分析电机的滚动轴承的振动信号得到诊断结果.因此，分析和研究电机轴承振动信号是滚动轴承研究的热点.首先对电机滚动轴承振动信号进行降噪等预处理，并对预处理的振动信号进行小波分解，再对小波分解系数进行单支重构，得到不同尺度下的单支重构信号；接着对单支重构信号分别建立威布尔分布模型，并验证模型的恰当性，然后求取单支重构信号的威布尔分布模型的尺度参数和形态参数；最后将模型的尺度参数和形态参数输入SVM模式识别器进行故障诊断和模式识别，识别结果表明其参数能较好地表征电机轴承的运行状态.实验结果证明所提方法能较好地诊断电机轴承的故障.     

基于动量BP算法的多元χ控制图的识别研究

采用增加动量项的权值调整公式， 运用3层的BP神经网络对χ控制图的失控信号进行识别， 诊断失控的质量特性， 并判断均值偏移的程度类别， 及时调整过程于稳定状态. 实例结果表明， BP网络结合χ控制图能有效地对过程进行监控.     

离散事件系统故障的极小观测序列

为了提高可诊断离散事件系统故障的在线诊断效率,本文从判定故障发生的可观测事件的角度,提出了故障极小观测序列方法.文中选取有限状态自动机对离散事件系统进行建模.首先,在离线状态下,建立系统的故障模型,以排除对于判定系统故障无关的路径.然后,根据故障模型进一步建立判定系统故障的极小观测序列模型.当离散事件系统在线诊断时,仅需将逐步增加的在线观测事件序列与故障的极小观测序列模型进行比对.若能找到满足该模型的任何一条路径,则说明路径终止状态上故障标签对应的系统故障发生;否则,说明系统无故障发生.文中对可诊断离散事件系统进行实验对比,通过故障的极小观测序列模型能尽快判定有无故障发生,以及发生了哪些故障.该模型能有效地缩小系统在线诊断的时间,提高系统在线诊断的效率.     

Poisson回归模型的影响分析

文章对经典的Poisson回归模型,进行了参数估计和参数检验,并对模型进行了统计诊断,做出诊断图,判断出强影响点,并利用帽子矩阵分解原理及数理统计原理,探索挖掘出新的诊断图来判断强影响点,最后通过实证分析表明所研究的是有用和有效的.     

机械信号连续小波系数的统计特征研究

通过对机械信号的连续小波分解，利用小波滤波器良好的时频特性，针对机械信号的特征，论述了机械信号经过连续小波分解后的统计特征。在机械信号连续小波系数的特征提取中，引入机械系统的动力学维数，将连续小波系数按尺度方向进行了研究。利用尺度与频率的对应关系，应用小波系数的容积维数来研究其统计特性，并提取信号特征。实践证明，这种方法能够简单有效地提取机械信号的振动特征，并在诊断机械故障中得到了应用。     

基于投影变换的多元统计过程控制与诊断模型

针对多元统计过程控制图中变异源的识别问题,给出了基于投影变换的多元过程控制和诊断模型,将原始样本数据通过投影变换,转换为相互独立的数据,然后对各独立变量分别构建控制图,从而达到控制多元过程的目的．恰当地构造变换矩阵,使转换后的样本数据的协方差矩阵为单位矩阵．由于转换后的各变量相互独立,可通过多个控制图的联合报警概率的计算,建立联合概率控制图,对过程进行整体控制;利用转换矩阵,可发现导致异常的原因．最后通过对手机摄像头聚焦度测量结果的分析将该方法进行了验证．结果表明,所提的多元过程控制方法与产控帆图的结果基本相同,并可以指示出过程变异的原因．     

基于PSO的支持向量机多元控制图均值偏移诊断模型

为了诊断多元控制图发出的报警信号是由哪一个或者哪些变量组合发生均值偏移引起的,提出了基于粒子群优化（PSO）算法的支持向量机（SVM）多元控制图均值偏移诊断模型．模型中使用丁。控制图对多元过程进行控制,在假设过程方差．协方差矩阵保持不变的前提下,根据不同的均值偏移模式,产生SVM训练数据集和测试数据集,用Ps0对SVM的参数进行优化,最终得到优化的SVM模型．结果表明,基于粒子群优化算法的支持向量机模型（SVM．PSO）比基于SVM和基于神经网络（ANN）模型的分类能力更强,分类准确率超过85％．     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

k近邻补值方法在工业过程故障诊断中的应用

针对贡献图分析方法在故障分离方面存在拖尾效应以及不能准确定位故障变量的问题,提出一种将k近邻(k-Nearest Neighbor,kNN)补值与传统贡献图相结合的故障定位方法.首先利用主成分分析建模并求取综合控制指标;然后将kNN方法与综合控制指标相结合初步提取故障变量;最终用贡献图从初步提取的故障变量中确定故障根源,该方法有效地避免了正常变量的贡献值对最终诊断结果的影响.本文运用数值算例和TE过程进行仿真,并将该方法与基于重构的贡献方法比较,验证了算法的准确性和有效性.     

基于Bang-Bang控制的智能开关预测控制算法

为解决Bang-Bang控制原理具体应用中存在的如何纳入状态变量的附加约束条件、开关曲线的求取和最优轨线的确立等复杂问题,提出了一种智能开关预测控制方法．该方法根据离散卷积定理提炼出一组新的控制信号集,然后设计新的切换方程和减速规律,并在开关控制框架下,实施有闽值信号制约的最小拍增量控制．本文所提出的方法全面改善了预测控制的策略和算法,使控制系统动态性能良好,过渡过程时间小于理想开关控制过渡过程,且单调衰减,原理上稳态无静差,系统反应时间短,定位精度高,对输出扰动具有一定的鲁棒性,而且适用范围更加广泛．仿真结果表明了该控制算法的有效性．     

基于格兰杰因果检验的过程波动路径及根源识别分析

为解决流程工业中大范围过程变量波动时波动传播路径的确定和波动源所在回路的定位问题,提出了一种基于格兰杰因果检验的分析方法。该方法结合已有的频域分析方法,筛选出含相近频率成分的受扰波动变量,对其进行格兰杰因果检验,检验得到的回路变量间的因果影响关系表征了波动干扰的传播路径,以因果关系图的形式直观表达。利用先验过程知识化简因果关系图,并通过切除阈值搜索方式过滤掉次要因果关系分支,得到波动干扰的主要传播路径,由此定位波动源。仿真及工业数据的验证结果表明该方法是可行的。     

基于小波包分解-峭度值指标-希尔伯特包络解调融合方法处理声发射信号的滚动轴承故障诊断

为实现对航空发动机主轴承进行故障诊断,以复杂传递路径下声发射信号的波形分析为基础,提出一种基于小波包分解(wavelet packet decomposition, WPD)、峭度值指标(kurtosis index, KI)以及希尔伯特包络解调(Hilbert envelope demodulation, HED)相结合的滚动轴承故障特征信息提取方法。采用WPD方法对滚动轴承声发射信号分解获得节点分量,基于KI对节点分量排序筛选进行信号重构,进而对重构信号进行HED分析,提取出轴承故障特征频率用于对比诊断。开展简单以及复杂传递路径下滚动轴承故障模拟试验,采用建立的方法分别针对滚动轴承外圈、内圈典型故障试验数据进行分析和诊断。结果表明：该方法可有效提取滚动轴承故障特征频率及其倍频,且针对复杂传递路径下处于工作状态的滚动轴承,仍可实现精准的特征信息提取和有效的故障诊断。     

多级跟踪微分带通滤波设计及柴油机转矩重构

针对同时带有高频和低频干扰的信号设计了一种多级跟踪微分带通滤波器,给出了跟踪信号和微分信号的计算方法;以船用16PC2-6柴油机的实测瞬时转速为例进行了仿真研究;在建立柴油机系统动力学模型的基础上,利用瞬时转速的跟踪信号和微分信号实现了柴油机指示转矩的预测.仿真结果表明：采用该多级跟踪微分器可以获得瞬时转速的高品质跟踪信号和微分信号,适用于柴油机的转矩重构.     

在线多尺度滤波多变量统计过程的适时监测

在详细分析现有MSPCA模型不足的基础上,借助在线多尺度滤波(OLMS),提出了一种多变量统计过程的在线监测方法,并将其应用于传感器故障诊断。该方法中,首先在固定窗长的数据窗口内用边缘校正滤波器对信号进行小波分解,然后用小波阈值滤波对分解的小波系数进行消噪,并借助该固定窗长的移动窗口将小波变换和自适应PCA结合起来对数据进行在线多尺度建模,从而避免了直接对信号进行消噪所造成的时间浪费,提高了故障诊断率。最后以6135D型柴油机在严重漏气下的8个振动信号的故障诊断为例进行故障分析,结果表明了所提方法的可行性和实用性。     

改进变分模态分解在发动机气门间隙异常故障诊断中的应用

基于振动监测信号的故障诊断技术,对于船舶、油气田、核电等关键领域中大型高速柴油机的健康管理和智能运维具有重要意义。针对柴油发动机气门间隙异常故障,提出了基于振动数据驱动的故障诊断方法。首先,提出模态数量和惩罚因子均为自动优选的改进变分模态分解（VMD）方法,克服了传统VMD方法中上述参数需凭经验预设的缺点;进一步,对VMD分量进行多域特征提取,利用核密度估计方法进行特征敏感性的排序和选择;最后,构建全连接网络分类模型,将优选后的故障敏感特征通过分类模型进行故障识别。利用故障模拟实验台验证了不同工况下的气门间隙异常数据,结果表明本文所提的基于改进变分模态分解的气门间隙异常诊断方法故障识别率超过86%,具有良好的应用效果。