隨著集中供熱的普及,換熱站在供熱中扮演著承上啟下非常重要的角色。如果發(fā)生故障,對(duì)供熱系統(tǒng)的經(jīng)濟(jì)性和安全性將產(chǎn)生影響。換熱站中最常見的故障是管網(wǎng)泄漏,目前通常是通過添加大量傳感器和閥門來進(jìn)行管段間的故障識(shí)別診斷。但由于實(shí)際供熱現(xiàn)場對(duì)傳感器的投放有限,且傳感器本身在惡劣環(huán)境下也難免發(fā)生故障。故以此為研究背景,針對(duì)換熱站的管網(wǎng)泄漏故障和傳感器故障,建立一種基于檢測算法和故障模型融合的故障診斷方法。本文研究如下:首先,針對(duì)換熱站的供熱數(shù)據(jù)如何判別是否存在異常的問題,利用高斯混合模型（GMM）算法作為故障異常檢測的評(píng)判方法,對(duì)換熱站的數(shù)據(jù)進(jìn)行聚類分析,識(shí)別出數(shù)據(jù)中的離群點(diǎn)為換熱站數(shù)據(jù)中的異常數(shù)據(jù)。由于高斯混合模型中的期望最大化（EM）算法具有陷入局部最優(yōu)的缺點(diǎn),所以針對(duì)EM算法的不足,利用粒子群算法對(duì)其進(jìn)行改進(jìn)。粒子群算法賦予EM算法合適的初值,使得EM算法在全局內(nèi)進(jìn)行迭代優(yōu)化時(shí)候更容易跳出局部最優(yōu),可以改進(jìn)收斂效率。將GMM算法和粒子群改進(jìn)EM的高斯混合模型（PSO-EM-GMM）算法進(jìn)行實(shí)驗(yàn)對(duì)比,通過檢測率和誤報(bào)率兩項(xiàng)指標(biāo)證明改進(jìn)后的算法具有更好的結(jié)果。其次,針對(duì)換熱站的故障缺乏故障模型,異... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：80 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 故障診斷方法的研究
        1.2.2 高斯混合模型(GMM)的研究
        1.2.3 換熱站的故障診斷研究
    1.3 本文主要研究內(nèi)容和結(jié)構(gòu)安排
2 換熱站的系統(tǒng)結(jié)構(gòu)和監(jiān)管平臺(tái)
    2.1 換熱站的系統(tǒng)介紹
        2.1.1 換熱站的系統(tǒng)結(jié)構(gòu)
        2.1.2 換熱站的運(yùn)行參數(shù)
    2.2 換熱站管控一體化平臺(tái)
    2.3 換熱站的供熱云平臺(tái)
    2.4 本章小結(jié)
3 基于改進(jìn)EM算法的GMM故障檢測算法
    3.1 高斯混合模型簡介
        3.1.1 高斯分布
        3.1.2 高斯混合模型
    3.2 期望值最大化(EM)算法
    3.3 高斯混合模型(GMM)算法檢測異常數(shù)據(jù)
        3.3.1 GMM算法檢測異常數(shù)據(jù)
        3.3.2 異常檢測算法的指標(biāo)選取
    3.4 基于PSO-EM的GMM算法
        3.4.1 粒子群算法
        3.4.2 基于PSO-EM算法的優(yōu)點(diǎn)
        3.4.3 PSO-EM-GMM算法異常檢測
    3.5 本章小結(jié)
4 換熱站的故障建模研究
    4.1 實(shí)驗(yàn)仿真平臺(tái)的搭建
        4.1.1 實(shí)驗(yàn)仿真平臺(tái)的組成
        4.1.2 溫度控制實(shí)驗(yàn)方案的設(shè)計(jì)
    4.2 換熱站的故障模擬
        4.2.1 換熱站泄漏故障模擬
        4.2.2 換熱站傳感器故障模擬
    4.3 SAPSO-LSSVM算法
        4.3.1 LS-SVM算法介紹
        4.3.2 LS-SVM算法原理
        4.3.3 SAPSO-LSSVM建模方法
    4.4 SAPSO-LSSVM故障模型分類
    4.5 本章小結(jié)
5 粒子群優(yōu)化EM算法高斯混合模型在換熱站故障診斷中的應(yīng)用
    5.1 PSO-EM-GMM算法在換熱站泄漏故障診斷中的應(yīng)用
    5.2 PSO-EM-GMM算法在換熱站傳感器故障診斷中的應(yīng)用
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡歷及攻讀碩士學(xué)位期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于無監(jiān)督概念漂移識(shí)別和動(dòng)態(tài)圖嵌入的變壓器故障檢測方法[J]. 劉航,王有元,陳偉根,劉理峰,章劍光.  中國電機(jī)工程學(xué)報(bào). 2020(13)
[2]基于多元線性回歸的渡槽變形預(yù)測模型研究[J]. 江守燕,趙林鑫,杜成斌,王琨荃.  三峽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(02)
[3]基于高斯混合模型的逆變器故障診斷方法研究[J]. 張萬星,王煒,白立輝.  計(jì)算機(jī)測量與控制. 2020(03)
[4]一種半監(jiān)督機(jī)器學(xué)習(xí)的EM算法改進(jìn)方法[J]. 夏筱筠,張笑東,王帥,羅金鳴,崔露露,趙智陽.  小型微型計(jì)算機(jī)系統(tǒng). 2020(02)
[5]混合模型的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法[J]. 郎曉彤.  現(xiàn)代電子技術(shù). 2020(03)
[6]基于深度學(xué)習(xí)的故障診斷方法綜述[J]. 文成林,呂菲亞.  電子與信息學(xué)報(bào). 2020(01)
[7]基于大數(shù)據(jù)分析的供熱二次管網(wǎng)異常監(jiān)測的算法比較[J]. 張慶峰,陳冬巖.  區(qū)域供熱. 2019(06)
[8]Web的電氣設(shè)備故障診斷專家系統(tǒng)[J]. 梁皓欽.  電氣技術(shù)與經(jīng)濟(jì). 2019(05)
[9]供熱管網(wǎng)堵塞故障的診斷分析[J]. 劉瑩,郝紅,王睿嘉,王美淇.  建筑與預(yù)算. 2019(09)
[10]城市供熱管線泄漏風(fēng)險(xiǎn)分析及預(yù)防控制措施研究[J]. 王雅明.  工程技術(shù)研究. 2019(14)

博士論文
[1]針對(duì)集中供熱二次管網(wǎng)的性能預(yù)測與異常檢測關(guān)鍵技術(shù)研究[D]. 孫文慧.山東大學(xué) 2018
[2]面向聚類和回歸的模糊求解技術(shù)及應(yīng)用[D]. 劉解放.江南大學(xué) 2017
[3]基于聚類分析的圖像分割方法研究[D]. 張新野.大連海事大學(xué) 2012
[4]供熱管網(wǎng)泄漏故障診斷的研究[D]. 雷翠紅.哈爾濱工業(yè)大學(xué) 2010

碩士論文
[1]基于人工智能的汽油車發(fā)動(dòng)機(jī)故障診斷研究[D]. 石硯書.吉林大學(xué) 2019
[2]基于振動(dòng)信號(hào)的曲軸故障診斷與研究[D]. 孫寶源.山東大學(xué) 2019
[3]基于大數(shù)據(jù)分析的故障診斷方法研究[D]. 黃騰達(dá).北京工業(yè)大學(xué) 2019
[4]基于最小二乘支持向量機(jī)和自適應(yīng)控制算法的電液伺服系統(tǒng)研究[D]. 劉萌.北京交通大學(xué) 2019
[5]基于熱負(fù)荷預(yù)測的換熱站量化供熱研究[D]. 孔維鑫.大連海事大學(xué) 2019
[6]基于多元統(tǒng)計(jì)分析的過程微小故障監(jiān)測與診斷研究[D]. 張之維.寧夏大學(xué) 2019
[7]主動(dòng)半監(jiān)督高斯混合模型聚類算法的研究與應(yīng)用[D]. 王垚.河北地質(zhì)大學(xué) 2018
[8]基于聚類算法的深度學(xué)習(xí)訓(xùn)練改進(jìn)研究[D]. 續(xù)拓.西安電子科技大學(xué) 2018
[9]基于ANFIS的供熱管網(wǎng)泄漏故障診斷研究[D]. 周鵬.哈爾濱工業(yè)大學(xué) 2018
[10]基于EM的多通道去混響和降噪算法的改進(jìn)[D]. 韓柳.中國科學(xué)技術(shù)大學(xué) 2018



本文編號(hào)：3184021