工業(yè)系統(tǒng)的故障診斷對于提高系統(tǒng)的穩(wěn)定性及安全性具有非常重要的作用。本文研究了基于向量相似性度量的工業(yè)故障定位,采用系統(tǒng)拓撲結(jié)構(gòu)與數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)方法相結(jié)合,利用多種變量數(shù)據(jù)矩陣的相似性度量進行故障診斷。本文主要的研究內(nèi)容包括:基于模型部分信息的分布式故障診斷。設(shè)計了一種新的故障監(jiān)測框架,將基于模型的故障監(jiān)測框架和基于數(shù)據(jù)驅(qū)動的方法相結(jié)合,實現(xiàn)了串級工業(yè)過程中的故障監(jiān)測和定位。通過劃分子系統(tǒng)的方法對工業(yè)串級系統(tǒng)進行劃分,將這些已知的模型信息與數(shù)據(jù)驅(qū)動的方法結(jié)合,彌補了數(shù)據(jù)驅(qū)動方法缺失模型結(jié)構(gòu)信息的不足,提高了故障診斷的精度以及可解釋性�；趦�(yōu)化的ReliefF特征選擇算法故障部件定位。利用優(yōu)化的ReliefF特征選擇算法挑選與故障類別最為相關(guān)的特征,結(jié)合模型中特征采集的位置進行故障定位。利用工業(yè)系統(tǒng)在運行過程中會產(chǎn)生大量信息來反應(yīng)出系統(tǒng)狀態(tài)的變化,提取可用于系統(tǒng)狀態(tài)監(jiān)測的信息,并得到引起系統(tǒng)故障的最原始的變量。基于擴散距離k近鄰的故障識別分類策略及應(yīng)用。利用擴散映射（Diffusion Maps,DM）的思想,將非線性的高維數(shù)據(jù)映射到保留數(shù)據(jù)低維流形的擴散空間,發(fā)掘高維數(shù)據(jù)的潛在幾何特... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

故障診斷流程圖

圖 1-1 故障診斷流程圖Fig. 1-1 Flow chat of fault diagnosis1.2.2 基本方法詳解工業(yè)過程的故障診斷涉及控制理論、模式識別、人工智能、模糊理論和統(tǒng)計學(xué)等多門學(xué)科[7]。它具有針對性強、目的明確和應(yīng)用領(lǐng)域廣泛等特點。上個世紀 70年代，國內(nèi)外專家學(xué)者對故障診斷的研究工作就已經(jīng)展開，陸續(xù)提出故障診斷濾波器的概念[8]、物理冗余由解析冗余代替的故障診斷思想等。這些新思想的出現(xiàn)為故障診斷的發(fā)展做出了鋪墊。此后，學(xué)術(shù)界對這類方法又逐漸進行了深入的研究，取得了一系列的學(xué)術(shù)成果[9-13]。經(jīng)過了近 30 年的發(fā)展，美國學(xué)者Venkatasubramanian 在其綜述性文章文獻[14]中對故障診斷方法做出了總結(jié)及分類。故障診斷基本方法的分類如圖 1-2 所示，具體分析如下：

圖 1-3 相似性度量的分類圖Fig. 1-3 Classification of similarity measure由于故障發(fā)生的情況一般十分復(fù)雜多變，從實際工業(yè)系統(tǒng)中提取出來的度耦合，且具有很強的非線性和非高斯性，高效的從中提取出正常數(shù)據(jù)樣障數(shù)據(jù)樣本之間的相似性，特征與正�；蚬收蠘颖局g的相關(guān)性，為數(shù)據(jù)確合適的相似性度量方法，對于故障診斷具有十分重要的意義。相似性度量用于評價兩事物間相近程度，二者越接近，它們的相似性度，反之，二者越疏遠，它們的相似性度量就越小[38]。常用的相似性度量的：相關(guān)系數(shù)（衡量特征之間接近程度）、相似系數(shù)（衡量樣本之間接近程度似性度量的分類如圖 1-3 所示。相似系數(shù)一般用于衡量樣本之間的接近程度，基本思想是：一個系統(tǒng)由有n個特征屬性的樣本組成，每個對象由n維空間上的一個點來表征，該點的坐標對應(yīng)表示該對象的第i個特征屬性的值，其中 i 1,2,3, ,n。兩點之離越大，對應(yīng)的兩個對象之間的特征差異越大，那么這兩個對象的相似性越之，兩點距離越小，對象特征差異越大，相似性就越大。下面簡要介紹明

【參考文獻】：
期刊論文
[1]基于TOPSIS的故障樹綜合分析方法研究[J]. 饒毅,徐丙立,荊濤,趙秀玉,張飛.  微電子學(xué)與計算機. 2017(12)
[2]基于故障樹方法的并聯(lián)機器人失效分析[J]. 牛越峰,溫慶榮.  科技導(dǎo)報. 2016(23)
[3]基于故障樹的GIS設(shè)備SF6氣體泄漏分析[J]. 劉建月,張志東,李秀廣.  高壓電器. 2016(12)
[4]基于局部均值分解與拉普拉斯特征映射的滾動軸承故障診斷方法[J]. 徐倩倩,劉凱,侯和平,徐卓飛.  中國機械工程. 2016(22)
[5]直接驗證的封裝式特征選擇方法[J]. 汪文勇,劉川,趙強,沈曉明,丘曉彤.  電子科技大學(xué)學(xué)報. 2016(04)
[6]基于Minkowski距離的一致聚類改進算法及應(yīng)用研究[J]. 徐德剛,徐戲陽,陳曉,趙盼磊,蘇志芳,謝永芳,陽春華.  湖南大學(xué)學(xué)報(自然科學(xué)版). 2016(04)
[7]基于Isomap和IGA-SVM的齒輪箱故障診斷研究[J]. 劉志川,唐力偉,曹立軍.  機械強度. 2016(01)
[8]k近鄰補值方法在工業(yè)過程故障診斷中的應(yīng)用[J]. 李元,吳杰,王國柱.  上海交通大學(xué)學(xué)報. 2015(06)
[9]基于改進二叉樹支持向量機的多故障分類算法[J]. 李偉偉,王莉,張琳,劉進.  探測與控制學(xué)報. 2015(03)
[10]固體氧化物燃料電池平板式電池堆的研究進展[J]. 宋世棟,韓敏芳,孫再洪.  科學(xué)通報. 2014(15)

博士論文
[1]基于特征提取與信息融合的工業(yè)過程監(jiān)測研究[D]. 童楚東.華東理工大學(xué) 2015
[2]平板式固體氧化物燃料電池系統(tǒng)的動態(tài)建模與控制[D]. 蔣建華.華中科技大學(xué) 2013
[3]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]. 張麗新.清華大學(xué) 2004
[4]基于數(shù)據(jù)驅(qū)動的流程工業(yè)性能監(jiān)控與故障診斷研究[D]. 郭明.浙江大學(xué) 2004

碩士論文
[1]高壓斷路器在線監(jiān)測與故障診斷系統(tǒng)的研究[D]. 彭搏.上海交通大學(xué) 2013
[2]基于CLIPS的船舶機艙設(shè)備故障診斷專家系統(tǒng)研究[D]. 楊家濤.武漢理工大學(xué) 2012
[3]固體氧化物燃料電池監(jiān)測和故障診斷平臺的研制[D]. 胡剛.華中科技大學(xué) 2012



本文編號：2933212