發(fā)布時間：2017-12-02 06:26

  本文關(guān)鍵詞：基于數(shù)據(jù)特征抽取技術(shù)的緩變微小故障早期診斷方法

  更多相關(guān)文章： 緩變微小故障 累加平均 時變異常檢測模型 故障模式辨識 GUI

【摘要】：當(dāng)今,隨著現(xiàn)代工業(yè)技術(shù)的快速發(fā)展,控制系統(tǒng)結(jié)構(gòu)愈加復(fù)雜。如果這類系統(tǒng)一旦發(fā)生一些緩慢變化的微小故障,日積月累便會造成嚴(yán)重的安全事故。傳統(tǒng)的微小故障診斷方法多采用降低噪聲能量或累加故障幅值的方式,來提高故障信號的信噪比,以達(dá)到微小故障檢測的目的。本文以主元分析(Principal Component Analysis,PCA)和指定元分析(Designated Component Analysis,DCA)為多變量統(tǒng)計特征抽取工具,研究多變量數(shù)據(jù)特征抽取新方法,提出了基于累加和平均(Average Accumulative,AA)的早期故障診斷方法,并將其與累加和(Cumulative Sum,CUSUM)的方法相結(jié)合以更好地實現(xiàn)緩變故障趨勢的早期檢測。具體工作如下:(1)在中值濾波(Median Filter,MF)和CUSUM的方法基礎(chǔ)上提出一種MF和CUSUM相結(jié)合的緩變微小故障早期檢測的方法。通過對濾波后數(shù)據(jù),即PCA所得(Squared Prediction Error,SPE)統(tǒng)計量的累加,建立起MF-CUSUM-PCA模型,來實現(xiàn)微小緩變故障早期的異常檢測,并引入知識導(dǎo)引的數(shù)據(jù)特征抽取方法,建立了基于MF-CUSUM-DCA模型,實現(xiàn)緩變微小故障早期診斷,進(jìn)而達(dá)到故障模式辨識的目的。(2)提出一種基于累加和平均的特征抽取方法,在減小噪聲能量的同時對故障信號進(jìn)行累加,從而可以顯著地提高故障信號的信噪比。針對累加平均后觀測數(shù)據(jù)不再獨立同分布的問題,建立了基于AA-PCA的時變異常檢測模型,以進(jìn)行緩變微小故障的早期檢測,建立了基于AA-DCA的時變模型,用以實現(xiàn)多個緩變微小故障的早期診斷。最后,將基于AA的方法與基于CUSUM的方法相結(jié)合,可以更早地檢測到緩變故障的趨勢。(3)通過MATLAB的GUI界面對本文算法進(jìn)行了實現(xiàn),這為工程人員做健康維護(hù)決策提供了參考依據(jù)。
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP277

【相似文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 宋洋;基于數(shù)據(jù)特征抽取技術(shù)的緩變微小故障早期診斷方法[D];河南大學(xué);2016年

，

本文編號：1243966