【摘要】：有效的工業(yè)過(guò)程故障診斷方法,不僅能夠在第一時(shí)間對(duì)出現(xiàn)的故障進(jìn)行識(shí)別和處理,避免可能出現(xiàn)的危險(xiǎn),同時(shí)也要對(duì)故障的類型和原因進(jìn)行診斷,以有效對(duì)故障進(jìn)行預(yù)防。但是,由于實(shí)際情況受多因素影響,不易通過(guò)過(guò)程的數(shù)學(xué)模型進(jìn)行故障診斷。數(shù)據(jù)驅(qū)動(dòng)是建立在數(shù)據(jù)分析的基礎(chǔ)上,通過(guò)運(yùn)行過(guò)程中記錄的大量有用的信息進(jìn)行挖掘,從中獲得所需要的信息和知識(shí)的過(guò)程,具有更加實(shí)際的意義。本文研究采用無(wú)監(jiān)督的多元統(tǒng)計(jì)分析方法及聚類算法,簡(jiǎn)單高效地處理工業(yè)過(guò)程中的故障檢測(cè)和診斷問(wèn)題,論文的主要內(nèi)容包括:首先,分別對(duì)核主元分析KPCA和模糊C均值聚類FCM算法進(jìn)行了詳細(xì)分析,進(jìn)一步將KPCA與FCM進(jìn)行了結(jié)合,提出了一類基于KPCA的FCM聚類方法。其次,將所提出的方法應(yīng)用于工業(yè)過(guò)程故障診斷問(wèn)題。核主元分析(KPCA)算法通過(guò)映射將數(shù)據(jù)從輸入空間映射到高維特征空間,從而對(duì)數(shù)據(jù)進(jìn)行特征提取,有效降低數(shù)據(jù)維度和提高處理效率。同時(shí)可通過(guò)KPCA結(jié)合T2和SPE兩個(gè)統(tǒng)計(jì)量進(jìn)行實(shí)時(shí)的故障檢測(cè)。接著,采用FCM算法對(duì)故障模式類別進(jìn)行劃分,從而實(shí)現(xiàn)故障的診斷。最后,將提出的這種方法用于TE化工生產(chǎn)過(guò)程的仿真,采用KPCA-FCM方法,獲得了故障數(shù)據(jù)的分類,同時(shí)實(shí)現(xiàn)故障數(shù)據(jù)的在線診斷。利用該數(shù)據(jù)驅(qū)動(dòng)算法,可高效檢測(cè)工業(yè)過(guò)程中的故障并對(duì)故障進(jìn)行診斷。
[Abstract]:The effective method of industrial process fault diagnosis can not only identify and deal with the fault in the first time, avoid the possible danger, but also diagnose the type and cause of the fault in order to prevent the fault effectively. However, because the actual situation is affected by many factors, it is difficult to carry out fault diagnosis through the mathematical model of the process. Data-driven is a process based on the analysis of data, mining a lot of useful information recorded in the running process, and obtaining the needed information and knowledge from the process, which has more practical significance. In this paper, the unsupervised multivariate statistical analysis method and clustering algorithm are used to deal with the problems of fault detection and diagnosis in industrial process simply and efficiently. The main contents of this paper are as follows: first, The kernel principal component analysis (KPCA) and fuzzy C-means clustering (FCM) algorithms are analyzed in detail. Furthermore, a kind of FCM clustering method based on KPCA is proposed by combining KPCA with FCM. Secondly, the proposed method is applied to industrial process fault diagnosis. The kernel principal component analysis (KPCA) algorithm maps the data from the input space to the high-dimensional feature space, which can effectively reduce the data dimension and improve the processing efficiency. At the same time, real-time fault detection can be carried out by KPCA combined with T2 and SPE statistics. Then, the FCM algorithm is used to divide the fault mode categories to realize fault diagnosis. Finally, the proposed method is applied to the simulation of te chemical production process. The classification of fault data is obtained by using KPCA-FCM method, and the fault data online diagnosis is realized at the same time. Using the data driven algorithm, the fault in industrial process can be detected and diagnosed efficiently.
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TQ086

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 萬(wàn)慧春;;西洋管樂(lè)器常見(jiàn)故障檢測(cè)(一) 薩克斯管篇[J];樂(lè)器;2006年06期

2 王傲勝;曹小榮;;故障檢測(cè)綜述[J];煤礦機(jī)械;2008年03期

3 葉銀忠;潘日芳;蔣慰孫;;過(guò)程系統(tǒng)的在線故障檢測(cè)、診斷和預(yù)報(bào)技術(shù)(一)[J];化工自動(dòng)化及儀表;1988年02期

4 葉銀忠;潘日芳;蔣慰孫;;過(guò)程系統(tǒng)的在線故障檢測(cè)、診斷和預(yù)報(bào)技術(shù)(四)[J];化工自動(dòng)化及儀表;1988年05期

5 葉銀忠;潘日芳;蔣慰孫;;過(guò)程系統(tǒng)的在線故障檢測(cè)、診斷和預(yù)報(bào)技術(shù)(二) 第二講 生產(chǎn)過(guò)程的在線故障檢測(cè)與診斷方法:原理及應(yīng)用[J];化工自動(dòng)化及儀表;1988年03期

6 萬(wàn)惠春;;西洋管樂(lè)器常見(jiàn)故障檢測(cè)(六)[J];樂(lè)器;2006年11期

7 葉銀忠;潘日芳;蔣慰孫;;過(guò)程控制系統(tǒng)的在線故障檢測(cè)、診斷和預(yù)報(bào)技術(shù)(三)[J];化工自動(dòng)化及儀表;1988年04期

8 李勇;;機(jī)電設(shè)備的故障檢測(cè)與診斷[J];水力采煤與管道運(yùn)輸;2010年01期

9 苗愛(ài)敏;葛志強(qiáng);宋執(zhí)環(huán);蔣立;周樂(lè);;基于時(shí)序擴(kuò)展的鄰域保持嵌入算法及其在故障檢測(cè)中的應(yīng)用[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

10 王艷;郭懷德;李小燕;;電力系統(tǒng)繼電保護(hù)及故障檢測(cè)新方法[J];煤炭技術(shù);2012年02期

相關(guān)會(huì)議論文 前10條

1 張漢國(guó);;大系統(tǒng)的故障檢測(cè)——隨機(jī)情形[A];1993中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1993年

2 周東華;;一種工業(yè)異步電機(jī)的在線故障檢測(cè)與診斷新方法[A];1994年中國(guó)控制會(huì)議論文集[C];1994年

3 趙琦;周東華;;閉環(huán)系統(tǒng)的小故障檢測(cè)與分離方法[A];第十九屆中國(guó)控制會(huì)議論文集（二）[C];2000年

4 李福明;段廣仁;;一種魯棒故障檢測(cè)與分離的參數(shù)化方法[A];第16屆中國(guó)過(guò)程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

5 王洪江;孫保民;田進(jìn)步;;一種圖形化的故障檢測(cè)和診斷方法[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

6 彭濤;桂衛(wèi)華;Ding Steven X;湯瓊;李昊;;一種基于混合H_-/H_∞的故障檢測(cè)系統(tǒng)優(yōu)化設(shè)計(jì)方法[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

7 魏晨;陳宗基;;非線性系統(tǒng)的魯棒故障檢測(cè)與診斷[A];第十九屆中國(guó)控制會(huì)議論文集（二）[C];2000年

8 韓兵;陳新海;;隨機(jī)參數(shù)最小均方濾波及其在飛行器故障檢測(cè)中的應(yīng)用[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

9 葛彤;鄧建華;;復(fù)雜動(dòng)態(tài)系統(tǒng)故障檢測(cè)與診斷的層次遞進(jìn)方法[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

10 方華京;;控制系統(tǒng)故障檢測(cè)的l~1優(yōu)化方法[A];第十九屆中國(guó)控制會(huì)議論文集（二）[C];2000年

相關(guān)重要報(bào)紙文章 前5條

1 陳代壽;BFD高速路由故障檢測(cè)[N];中國(guó)計(jì)算機(jī)報(bào);2005年

2 涵薏;排除風(fēng)電系統(tǒng)中的故障[N];上�？萍紙�(bào);2010年

3 上海 徐亞?wèn)|;ADSL故障檢測(cè)利器[N];電腦報(bào);2004年

4 暴青雨　本報(bào)特約通訊員 趙彥斌;為了戰(zhàn)時(shí)能打贏[N];解放軍報(bào);2011年

5 翟衛(wèi)平;梁來(lái)潤(rùn);為了航天員的生命安全[N];中國(guó)航天報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 喬常明;故障檢測(cè)與診斷方法研究及其在網(wǎng)絡(luò)化系統(tǒng)中的應(yīng)用[D];黑龍江大學(xué);2015年

2 劉洋;魯棒模型預(yù)測(cè)控制與基于數(shù)據(jù)重構(gòu)的故障檢測(cè)[D];天津大學(xué);2015年

3 何雨辰;數(shù)據(jù)驅(qū)動(dòng)的過(guò)渡過(guò)程建模與監(jiān)測(cè)[D];浙江大學(xué);2017年

4 沈非凡;基于軌跡分析的工業(yè)過(guò)程建模與故障檢測(cè)[D];浙江大學(xué);2016年

5 王紅茹;動(dòng)態(tài)系統(tǒng)的魯棒故障檢測(cè)與分離方法研究[D];哈爾濱工業(yè)大學(xué);2006年

6 楊青;集合型故障檢測(cè)與診斷技術(shù)研究[D];長(zhǎng)春理工大學(xué);2013年

7 張登峰;動(dòng)態(tài)系統(tǒng)的故障檢測(cè)與診斷研究[D];南京理工大學(xué);2003年

8 李霄劍;魯棒自適應(yīng)故障檢測(cè)與隔離方法研究[D];東北大學(xué);2011年

9 馬傳峰;基于觀測(cè)器的魯棒H_∞故障檢測(cè)問(wèn)題研究[D];山東大學(xué);2007年

10 王占偉;冷水機(jī)組故障檢測(cè)與診斷方法研究[D];西安建筑科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 毛茗茗;基于KPCA-FCM的工業(yè)過(guò)程故障檢測(cè)與診斷[D];北京化工大學(xué);2017年

2 張荷;基于PU學(xué)習(xí)的軟件故障檢測(cè)方法研究[D];西北農(nóng)林科技大學(xué);2015年

3 妥建軍;一種配電網(wǎng)有源相間故障檢測(cè)技術(shù)的研究[D];山東大學(xué);2015年

4 鄭茜予;基于主元分析的微小故障檢測(cè)[D];華北電力大學(xué);2015年

5 翟夢(mèng)佳;基于數(shù)據(jù)的燃料電池典型非正常工況故障檢測(cè)研究[D];哈爾濱工業(yè)大學(xué);2015年

6 陳姣;基于子空間辨識(shí)方法的動(dòng)態(tài)系統(tǒng)的故障檢測(cè)與診斷[D];華中科技大學(xué);2015年

7 吳翔;可實(shí)現(xiàn)任意可靠度的故障檢測(cè)與切換系統(tǒng)模型研究[D];東華理工大學(xué);2015年

8 樓嘉宇;基于機(jī)器學(xué)習(xí)的電弧故障檢測(cè)算法研究[D];杭州電子科技大學(xué);2015年

9 洪碩果;SDN網(wǎng)絡(luò)的故障檢測(cè)和恢復(fù)技術(shù)研究與實(shí)現(xiàn)[D];南京郵電大學(xué);2015年

10 朱永昌;基于主元分析的故障檢測(cè)技術(shù)及應(yīng)用系統(tǒng)研究[D];太原科技大學(xué);2015年

，

本文編號(hào)：2150094