本文選題：ICA混合模型　切入點：多工況過程　出處：《化工學(xué)報》2016年09期 　論文類型：期刊論文

【摘要】：針對工業(yè)過程數(shù)據(jù)的多模態(tài)和非高斯特性,提出一種基于獨立元混合模型(independent component analysis mixture model,ICAMM)的多工況過程故障診斷方法。該方法將獨立元分析與貝葉斯估計結(jié)合,同時完成各個工況的數(shù)據(jù)聚類和模型參數(shù)求取,并建立基于貝葉斯框架下的集成監(jiān)控統(tǒng)計量實時監(jiān)控過程變化。在檢測到故障后,針對傳統(tǒng)的變量貢獻(xiàn)圖方法無法表征變量之間信息傳遞關(guān)系的缺點,提出基于信息傳遞貢獻(xiàn)圖的故障識別方法。該方法首先計算各變量對獨立元混合模型統(tǒng)計量的貢獻(xiàn)度,進(jìn)一步通過最近鄰傳遞熵描述故障變量之間的傳遞性,挖掘故障變量之間的因果關(guān)系,從而確定故障源變量和故障傳播過程。最后對一個數(shù)值系統(tǒng)和連續(xù)攪拌反應(yīng)釜(CSTR)過程進(jìn)行仿真研究,結(jié)果驗證了本文所提出方法的有效性。
[Abstract]:In view of the multi-modal and non-#china_person0# characteristics of industrial process data, a fault diagnosis method based on independent component analysis mixture model ICAMMM is proposed, which combines independent element analysis with Bayesian estimation. At the same time, the data clustering and model parameter calculation of each working condition are completed, and the real-time monitoring process of integrated monitoring statistics based on Bayesian framework is established. In view of the disadvantage that the traditional method of variable contribution graph can not represent the information transfer relation between variables, a fault identification method based on information transfer contribution graph is proposed. Furthermore, the transitivity between fault variables is described by nearest neighbor transfer entropy, and the causality between fault variables is mined. Finally, a numerical system and a continuous stirred tank reactor (CSTR) process are simulated and the results show that the proposed method is effective.
【作者單位】： 中國石油大學(xué)(華東)信息與控制工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(61273160,61403418) 山東省自然科學(xué)基金項目(ZR2014FL016)~~
【分類號】：TP277

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 潘竟虎;;基于光譜混合模型的城市綠色空間格局分析——以蘭州市為例[J];城市問題;2010年02期

2 冉延平,余昭平,賈利新,康學(xué)福;基于混合模型的聚類算法研究[J];河南科學(xué);2005年03期

3 王儒敬;滕明貴;;一種用于空間對象屬性預(yù)測的空間廣義線性回歸模型[J];模式識別與人工智能;2005年06期

4 楊杰;基于混合模型的多重故障診斷[J];上海交通大學(xué)學(xué)報;1996年09期

5 石志明;陳勤;;混合學(xué)習(xí)Agent模型[J];福建電腦;2006年07期

6 章新華;王驥程;林良驥;;一種用于時序信號分類的混合模型[J];模式識別與人工智能;1997年03期

7 劉伯高,俞金壽,黃道,華向明;基于改進(jìn)混合模型的一類固定床反應(yīng)器推斷控制[J];華東理工大學(xué)學(xué)報;1998年04期

8 蘭永紅;吳敏;佘錦華;;基于二維混合模型的最優(yōu)重復(fù)控制方法[J];信息與控制;2008年05期

9 張欽禮;王士同;;基于Epanechnikov混合模型的中心化模糊模型[J];計算機(jī)研究與發(fā)展;2010年05期

10 吳敏;蘭永紅;佘錦華;;基于二維混合模型的改進(jìn)型重復(fù)控制器設(shè)計[J];控制與決策;2008年07期

相關(guān)會議論文 前1條

1 蘭永紅;吳敏;佘錦華;;基于二維混合模型的最優(yōu)重復(fù)控制[A];第二十六屆中國控制會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前3條

1 陳思寶;基于t-混合模型和擴(kuò)展保局投影的聚類與降維方法研究[D];安徽大學(xué);2006年

2 董亞明;融合機(jī)理模型與智能模型的復(fù)雜過程混合建模研究[D];華東理工大學(xué);2016年

3 蘭永紅;基于二維模型的重復(fù)控制系統(tǒng)分析與設(shè)計[D];中南大學(xué);2010年

相關(guān)碩士學(xué)位論文 前6條

1 陳曦;基于混合模型的中央空調(diào)能源優(yōu)化控制系統(tǒng)設(shè)計[D];北京交通大學(xué);2015年

2 李紅萍;基于GORT混合模型的光譜解混[D];華中科技大學(xué);2012年

3 孫冬;基于混合模型的故障檢測與診斷方法的研究與應(yīng)用[D];南京航空航天大學(xué);2013年

4 李延勛;HMM-NRBF混合模型的混沌序列建模與應(yīng)用[D];汕頭大學(xué);2008年

5 趙露平;基于自適應(yīng)混合模型的萃取過程軟測量研究與應(yīng)用[D];東北大學(xué)　;2009年

6 李勝;基于HMM/SVM混合模型的核動力旋轉(zhuǎn)機(jī)械設(shè)備故障診斷方法研究[D];南華大學(xué);2010年

，

本文編號：1598128