本文關(guān)鍵詞：針對關(guān)鍵性能指標(biāo)的故障診斷方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：由于在故障診斷方面的有效性和經(jīng)濟(jì)性,基于數(shù)據(jù)的故障診斷法在近二十年里得到了快速的發(fā)展。與傳統(tǒng)基于模型的故障診斷方法相比,基于數(shù)據(jù)的方法不需要根據(jù)系統(tǒng)的第一原理來建立精確的數(shù)學(xué)模型。它能夠通過分析工業(yè)系統(tǒng)采集到的數(shù)據(jù)來達(dá)到故障診斷的目的。這使得基于數(shù)據(jù)的故障診斷方法非常適用于難以建立精確數(shù)學(xué)模型的現(xiàn)代大型、復(fù)雜系統(tǒng),比如化工廠和大型電子電路。針對關(guān)鍵性能指標(biāo)(Key Performance Indicators,KPI)的故障診斷法是基于數(shù)據(jù)故障診斷法的一種。它是近幾年由于實(shí)際工業(yè)生產(chǎn)的需要而被提出來的。在一個(gè)實(shí)際的工業(yè)生產(chǎn)過程中往往存在著一些備受關(guān)注的性能指標(biāo),比如在軋鋼廠中最終鋼板的厚度和平整度。這些關(guān)鍵性能指標(biāo)對最終產(chǎn)品的合格率起著主要的作用,從而對一個(gè)工廠的經(jīng)濟(jì)效益產(chǎn)生重要的影響。工業(yè)過程中發(fā)生的故障往往是影響這些關(guān)鍵性能指標(biāo)的重要因素。但是并不是所有發(fā)生的故障都會(huì)對一個(gè)工廠的關(guān)鍵性能指標(biāo)產(chǎn)生影響。對于工業(yè)生產(chǎn)中發(fā)生的不同故障類型也應(yīng)該采取不同的應(yīng)對措施。如何判斷一個(gè)工業(yè)系統(tǒng)中發(fā)生的故障是否影響它的關(guān)鍵性能指標(biāo)是KPI故障診斷的主要研究內(nèi)容。本論文是對作者碩士期間在KPI故障診斷方向上成果的總結(jié)。論文的主要研究內(nèi)容包括:(1)對故障診斷(特別是KPI相關(guān)的故障檢測與診斷)的研究背景和國內(nèi)外研究狀況進(jìn)行了闡述。對常見的故障診斷算法進(jìn)行了簡要的介紹。傳統(tǒng)偏最小二乘法(Partial Least Squares,PLS)在用于KPI故障診斷方面存在著無法準(zhǔn)確判斷系統(tǒng)所發(fā)生的故障是否KPI相關(guān)的問題。為了解決這個(gè)問題,論文中提出了一種增強(qiáng)偏最小二乘(Improved Partial Least Squares,IPLS)故障診斷法。在PLS的基礎(chǔ)上,IPLS把故障空間分解為KPI相關(guān)和KPI無關(guān)的兩個(gè)子空間,從而達(dá)到準(zhǔn)確判斷所發(fā)生的故障是否KPI相關(guān)的目的。與常見的KPI故障診斷方法相比,IPLS故障診斷法具有結(jié)構(gòu)簡單、故障檢測率高和診斷結(jié)果準(zhǔn)確等優(yōu)點(diǎn)。(2)現(xiàn)有的KPI故障診斷方法大部分是在PLS的基礎(chǔ)上改進(jìn)過來的。但是PLS在數(shù)據(jù)建模時(shí)本身存在著一些缺點(diǎn)。比如,在PLS算法中需要確定潛在變量個(gè)數(shù)。潛在變量的個(gè)數(shù)直接影響著最終建立的數(shù)據(jù)模型是否準(zhǔn)確,并最終影響故障診斷結(jié)果。但是目前還沒有一種在理論上被證明是最優(yōu)的潛在變量個(gè)數(shù)確定方法。此外,在目前常見的KPI故障診斷方法中還存在著容易造成漏診的問題�？紤]到現(xiàn)有KPI故障診斷方法中存在的這些問題,本論文提出了一種改進(jìn)最小二乘(Modified Least Squares,MLS)故障診斷方法。MLS是在最小二乘法(Least Squares,LS)的基礎(chǔ)上提出來的,因此MLS不存在著像基于PLS故障診斷法需要調(diào)節(jié)潛在變量個(gè)數(shù)的問題。為了解決LS在數(shù)據(jù)建模時(shí)容易產(chǎn)生過擬合現(xiàn)象,MLS先采用一種數(shù)據(jù)預(yù)處理技術(shù)來提取過程變量中部分KPI無關(guān)的信息,然后采用提取信息后的過程變量數(shù)據(jù)來建立模型。此外,MLS還通過同時(shí)采用Q統(tǒng)計(jì)量和Hotelling’s 2T統(tǒng)計(jì)量兩個(gè)故障診斷量來提高了它的故障檢測率。(3)現(xiàn)有的KPI故障診斷法最后往往得到多個(gè)故障診斷量,從而導(dǎo)致最終的故障診斷邏輯過于復(fù)雜。為了解決這一問題,本論文對KPI故障診斷的診斷量進(jìn)行了重新的定義。相較于于傳統(tǒng)常用的診斷指標(biāo),新定義的指標(biāo)具有簡單、意義明確的優(yōu)點(diǎn)。此外,田納西伊斯曼(Tennessee Eastman,TE)系統(tǒng)是一個(gè)在過程控制中常用的仿真系統(tǒng)。為了讓TE系統(tǒng)能夠更好地運(yùn)用于KPI故障診斷的研究中,本論文對TE的21個(gè)故障進(jìn)行了詳細(xì)的分析,并根據(jù)分析結(jié)果最終將他們分為了KPI相關(guān)和KPI無關(guān)故障兩部分。本論文所提出的KPI故障診斷方法都在數(shù)值仿真例子和TE化工系統(tǒng)上進(jìn)行了驗(yàn)證,并與常見的KPI故障診斷法進(jìn)行了比較。最后,總結(jié)與展望部分對論文的研究工作進(jìn)行簡要總結(jié),并對本論文的未來可能的研究方向進(jìn)行了描述。
【關(guān)鍵詞】：數(shù)據(jù)驅(qū)動(dòng)故障診斷 關(guān)鍵性能指標(biāo) 統(tǒng)計(jì)過程監(jiān)控 偏最小二乘法 最小二乘法
【學(xué)位授予單位】：渤海大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP277
【目錄】：

• 摘要4-6
• ABSTRACT6-13
• 1. 緒論13-23
• 1.1 關(guān)于故障診斷的基礎(chǔ)概念14-15
• 1.2 故障診斷方法分類15-19
• 1.3 KPI相關(guān)故障診斷問題介紹及其研究現(xiàn)狀19-21
• 1.4 論文框架21-23
• 2. 常見故障診斷方法介紹23-33
• 2.1 主元分析（PCA）故障檢測法23-25
• 2.1.1 PCA算法簡介23-24
• 2.1.2 基于PCA算法的故障診斷24-25
• 2.2 偏最小二乘（PLS）故障診斷法25-29
• 2.2.1 PLS算法簡介26-28
• 2.2.2 基于PLS的故障診斷28-29
• 2.3 全潛結(jié)構(gòu)投影（TPLS）故障診斷法29-32
• 2.3.1 TPLS算法簡介29-30
• 2.3.2 基于TPLS的故障診斷30-32
• 2.4 本章小結(jié)32-33
• 3. 增強(qiáng)偏最小二乘算法及其在KPI故障診斷中的應(yīng)用33-52
• 3.1 引言33-34
• 3.2 IPLS故障診斷法34-39
• 3.2.1 IPLS算法34-37
• 3.2.2 基于IPLS的故障診斷方案37-38
• 3.2.3 關(guān)于IPLS故障診斷法的備注38-39
• 3.3 仿真實(shí)驗(yàn)研究39-50
• 3.3.1 數(shù)值仿真例子39-44
• 3.3.2 TE過程系統(tǒng)仿真實(shí)驗(yàn)44-50
• 3.4 本章小結(jié)50-52
• 4. 改進(jìn)最小二乘算法及其在KPI故障診斷中的應(yīng)用52-81
• 4.1 引言52-54
• 4.2 MPLS故障診斷法回顧和問題描述54-60
• 4.2.1 MPLS算法54-56
• 4.2.2 基于MPLS的故障診斷56-58
• 4.2.3 問題描述58-60
• 4.3 MLS故障診斷法60-67
• 4.3.1 OSC算法61-63
• 4.3.2 MLS算法63-64
• 4.3.3 基于MLS的故障診斷64-66
• 4.3.4 用于KPI相關(guān)故障診斷的診斷指標(biāo)66-67
• 4.4 仿真實(shí)驗(yàn)研究67-80
• 4.4.1 數(shù)值仿真例子67-73
• 4.4.2 TE系統(tǒng)仿真實(shí)驗(yàn)73-80
• 4.5 本章小結(jié)80-81
• 總結(jié)與展望81-83
• 參考文獻(xiàn)83-88
• 發(fā)表論文情況88-89
• 參加的科研項(xiàng)目89-90
• 致謝90-91

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳凡;;狀態(tài)監(jiān)測和故障診斷技術(shù)的現(xiàn)狀與展望[J];國外電子測量技術(shù);2006年03期

2 ;2011年第二十屆測試與故障診斷技術(shù)研討會(huì)征文通知[J];計(jì)算機(jī)測量與控制;2011年04期

3 師文謙;;淺談?dòng)?jì)算機(jī)的故障診斷[J];計(jì)算技術(shù)與自動(dòng)化;1986年03期

4 賈民平;機(jī)械故障診斷學(xué)的理論及其應(yīng)用 第一講 故障診斷的意義及研究發(fā)展概況[J];江蘇機(jī)械制造與自動(dòng)化;1999年01期

5 張峻賓;蔡金燕;;故障診斷與硬件演化的一體化設(shè)計(jì)[J];微電子學(xué)與計(jì)算機(jī);2014年02期

6 張健成,周士昌,虞和濟(jì),丁相福,李國棟;故障診斷中的信息機(jī)制[J];基礎(chǔ)自動(dòng)化;2000年04期

7 田少民;工程機(jī)械的狀態(tài)監(jiān)測與故障診斷技術(shù)[J];工程機(jī)械;2001年01期

8 王敏,王萬俊,熊春山,黃心漢;基于多傳感器數(shù)據(jù)融合的故障診斷技術(shù)[J];華中科技大學(xué)學(xué)報(bào);2001年02期

9 葛曉鋒,陳素珊,何勇;基于圖論和模糊數(shù)學(xué)的故障診斷新方法[J];浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版);2001年04期

10 郭春,郭健;故障診斷的概率方法[J];計(jì)算機(jī)工程與科學(xué);2001年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 楊其校;劉昭度;齊志權(quán);馬岳峰;;汽車ABS電機(jī)故障診斷[A];第三屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

2 黎清海;高慶;;基于系統(tǒng)分層的故障診斷方法[A];第三屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

3 聞競競;黃道;;故障診斷方法綜述[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

4 李t

本文編號：392255