【摘要】：監(jiān)督學(xué)習(xí)的核心是訓(xùn)練數(shù)據(jù)具有標(biāo)簽,但用標(biāo)簽來描述工業(yè)系統(tǒng)的故障時(shí),現(xiàn)有的標(biāo)簽方法具有很大的局限。故障的識(shí)別、定位、容錯(cuò)控制的信息在編碼方法、存儲(chǔ)格式、數(shù)據(jù)特征等方面不盡相同�；跀�(shù)據(jù)挖掘的故障診斷的挖掘出的信息,例如,故障位置、故障類型、故障程度等信息數(shù)據(jù)在形式與標(biāo)識(shí)上都存在顯著差異。本文在深入了解生產(chǎn)過程中的過程特性、數(shù)據(jù)特性以及基于機(jī)器學(xué)習(xí)故障診斷方法的基礎(chǔ)上,提出了一種張量標(biāo)簽學(xué)習(xí)的機(jī)器學(xué)習(xí)框架,來利用高維的張量標(biāo)簽將故障的識(shí)別、定位與控制問題統(tǒng)一到張量學(xué)習(xí)的框架中,將完整故障信息表示到故障張量中,綜合評價(jià)故障診斷系統(tǒng)對故障的認(rèn)知與處理能力。利用張量標(biāo)簽學(xué)習(xí)進(jìn)行故障識(shí)別與定位,對工業(yè)系統(tǒng)和控制系統(tǒng)的故障進(jìn)行精確的狀態(tài)、位置以及類別的判定,進(jìn)行快速完整的態(tài)勢和威脅估計(jì),從而利用容錯(cuò)控制對工業(yè)系統(tǒng)安全的故障威脅進(jìn)行完整、高效、精確的處理。本文的研究內(nèi)容主要有:(1)本文首次提出了一種張量標(biāo)簽學(xué)習(xí)的機(jī)器學(xué)習(xí)框架。本文將分類中的標(biāo)簽拓展為高維的張量表示形式,并給出了高維標(biāo)簽流的評價(jià)標(biāo)準(zhǔn)。本研究將監(jiān)督學(xué)習(xí)、多標(biāo)簽問題統(tǒng)一到張量標(biāo)簽學(xué)習(xí)的框架中,作為0-階張量、1-階張量學(xué)習(xí)的特殊情況。然后,將故障的識(shí)別、定位及容錯(cuò)控制統(tǒng)一到張量維度的標(biāo)簽學(xué)習(xí)中,給高階的張量標(biāo)簽賦予了實(shí)際的含義,從更高的信息維度對故障進(jìn)行了認(rèn)知。利用張量標(biāo)簽學(xué)習(xí),故障的信息可以進(jìn)行張量形式的表示,在同一種張量標(biāo)簽的維度下可以同時(shí)表示故障的類別、位置以及對控制器的影響,最后通過高維信息的評價(jià)標(biāo)準(zhǔn)對識(shí)別、定位與容錯(cuò)控制進(jìn)行定量化評價(jià)。張量信息化表示,可以定量化的評價(jià)故障診斷系統(tǒng)的故障的認(rèn)知能力和處理能力,實(shí)現(xiàn)海量、多源、異構(gòu)信息的統(tǒng)一整合、信息表示與統(tǒng)一評價(jià)。(2)針對并發(fā)故障組合模式眾多難以訓(xùn)練完整的難點(diǎn),本文利用1-階張量標(biāo)簽學(xué)習(xí)來解決并發(fā)故障的識(shí)別問題,首先針對的是訓(xùn)練數(shù)據(jù)具有豐富的標(biāo)簽樣本的情況,并發(fā)故障由于是單故障模式的混合會(huì)造成模式識(shí)別困難、模式組合眾多難點(diǎn),傳統(tǒng)的學(xué)習(xí)標(biāo)簽方法很難解決并發(fā)故障的識(shí)別問題。本章利用提出的1-階張量標(biāo)簽學(xué)習(xí)的方法,將并發(fā)故障利用1-階張量標(biāo)簽進(jìn)行描述,然后,根據(jù)標(biāo)簽的格式改進(jìn)學(xué)習(xí)器的標(biāo)簽維度構(gòu)成了一種1-階張量標(biāo)簽學(xué)習(xí)模式識(shí)別方法。通過對二分類器的并行化處理,每個(gè)并行化的子分類器輸出一位向量化標(biāo)簽的方式,實(shí)現(xiàn)并行化SVM算法。本方法的優(yōu)勢在于,采用n維二進(jìn)制向量編碼標(biāo)簽就可以表示2n類的并發(fā)故障類型,極大的緩解了并發(fā)故障類型數(shù)量災(zāi)難的問題,僅采用獨(dú)立的n類單故障的訓(xùn)練數(shù)據(jù)就可以預(yù)測2n類并發(fā)故障的類型。(3)針對并發(fā)故障帶標(biāo)簽的樣本數(shù)據(jù)量稀少的情況,本文提出了一種向量化標(biāo)簽-遷移學(xué)習(xí)的策略,用于解決并發(fā)故障識(shí)別帶標(biāo)簽的訓(xùn)練數(shù)據(jù)稀少無法學(xué)習(xí)得到學(xué)習(xí)器預(yù)測函數(shù)的難題。本文提出的并發(fā)故障識(shí)別系統(tǒng)包括兩個(gè)部分:向量標(biāo)簽-遷移學(xué)習(xí)框架和并行隨機(jī)森林機(jī)器學(xué)習(xí)算法。本方法采用1-階張量標(biāo)簽的形式建立起不同數(shù)據(jù)域之間的聯(lián)系,通過數(shù)據(jù)量大的單獨(dú)故障學(xué)習(xí)足夠的數(shù)據(jù)分布信息,然后將學(xué)習(xí)器參數(shù)遷移到并發(fā)故障學(xué)習(xí)器上,這樣學(xué)習(xí)器的訓(xùn)練階段分為兩個(gè)部分:初始訓(xùn)練階段和遷移學(xué)習(xí)階段。根據(jù)標(biāo)簽的格式改進(jìn)了基于決策樹方法的并行隨機(jī)森林算法。實(shí)驗(yàn)結(jié)果表明,本方法可以采用非常少的目標(biāo)域數(shù)據(jù)就能快速的得到并發(fā)故障識(shí)別的模型。(4)為了解決基于數(shù)據(jù)模式的故障定位問題,本研究提出了基于特征選擇可以進(jìn)行故障定位的條件。然后,針對于基于相似性度量的故障定位系統(tǒng)進(jìn)行了研究,采用了一種新的特征選擇算法,基于不同類型故障樣本之間的相似性度量,同時(shí)去除特征之間的相關(guān)性來挑選出與故障類型最為相關(guān)的特征,實(shí)現(xiàn)故障定位。本研究采用優(yōu)化的Relief F特征選擇算法選擇與故障模式最相關(guān)的原始特征,通過本變量在系統(tǒng)中位置確定故障的位置,通過在SOFC系統(tǒng)上的實(shí)驗(yàn)仿真驗(yàn)證該方法的可行性。為采用同一套算法同時(shí)解決故障的識(shí)別與定位,本章采用隨機(jī)森林的特征性度量來選擇合適個(gè)子集,從而確定故障發(fā)生的位置。通過張量標(biāo)簽學(xué)習(xí)的定量化評價(jià),定量化評價(jià)了故障定位的精度。最后給出了故障識(shí)別與定位的張量化標(biāo)簽處理算法框架。(5)為了實(shí)現(xiàn)故障的在線容錯(cuò)控制,針對可采用控制方式恢復(fù)的故障,不用停機(jī)的情況下進(jìn)行在線的智能故障恢復(fù)。本文利用故障識(shí)別與定位算法得到的結(jié)果,利用0-階張量標(biāo)簽學(xué)習(xí)結(jié)合離線的控制參數(shù)整定方法,設(shè)計(jì)了一種基于故障識(shí)別結(jié)果的控制律重新調(diào)度型主動(dòng)容錯(cuò)控制器,來應(yīng)對工業(yè)系統(tǒng)的故障恢復(fù)。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TB114.3;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張可;周東華;柴毅;;復(fù)合故障診斷技術(shù)綜述[J];控制理論與應(yīng)用;2015年09期

2 張小易;徐兵;張巖;鐘錦源;文福拴;袁宇波;朱海兵;;利用氣象等影響要素的電力系統(tǒng)故障元件識(shí)別與故障原因分析[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期

3 許琪;劉維亭;戴星明;;基于多分支配電網(wǎng)的新型矩陣故障定位算法[J];科學(xué)技術(shù)與工程;2011年29期

4 謝艷菲;;基于改進(jìn)矩陣算法的配電網(wǎng)故障定位研究[J];電力學(xué)報(bào);2011年03期

5 陳清川;王成楷;楊振中;;一種基于網(wǎng)形結(jié)構(gòu)矩陣的配電網(wǎng)故障定位改進(jìn)算法研究[J];電氣技術(shù);2010年12期

6 周振超;張健;王立紅;王猛;;容錯(cuò)控制理論綜述與展望[J];自動(dòng)化博覽;2008年07期

7 苗啟;張端金;;容錯(cuò)控制理論的新進(jìn)展[J];電氣自動(dòng)化;2007年06期

8 江道灼,張鋒,張怡;基于配電監(jiān)控終端的配網(wǎng)故障區(qū)域判斷和隔離[J];繼電器;2002年09期

9 蔣雷海,萬芳茹,徐泰山;電力系統(tǒng)故障恢復(fù)方法簡述[J];電力自動(dòng)化設(shè)備;2002年05期

10 史東鋒,屈梁生;遺傳算法在故障特征選擇中的應(yīng)用研究[J];振動(dòng).測試與診斷;2000年03期

相關(guān)博士學(xué)位論文 前5條

1 匡立偉;基于張量的大數(shù)據(jù)統(tǒng)一表示及降維方法研究[D];華中科技大學(xué);2016年

2 馬玉鑫;流程工業(yè)過程故障檢測的特征提取方法研究[D];華東理工大學(xué);2015年

3 程媛;多關(guān)系數(shù)據(jù)聚類算法及其應(yīng)用研究[D];哈爾濱工程大學(xué);2014年

4 莊進(jìn)發(fā);基于模式識(shí)別的流程工業(yè)生產(chǎn)在線故障診斷若干問題研究[D];廈門大學(xué);2009年

5 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學(xué)習(xí)研究[D];清華大學(xué);2004年

相關(guān)碩士學(xué)位論文 前3條

1 徐兵;利用多源信息的電力系統(tǒng)故障診斷方法與應(yīng)用[D];浙江大學(xué);2017年

2 廖思威;并行高階SVD及其增量計(jì)算的研究[D];華中科技大學(xué);2015年

3 馮偉杰;智能配網(wǎng)故障快速定位方法的研究與實(shí)現(xiàn)[D];華南理工大學(xué);2011年

本文編號(hào)：2732952