隨著工業(yè)生產(chǎn)設(shè)備的自動化水平不斷提高,現(xiàn)代工業(yè)過程更趨向于集成化、復(fù)雜化和智能化。如何準確及時地排除生產(chǎn)過程中的故障,對于保證生產(chǎn)安全至關(guān)重要。近幾年,傳感器技術(shù)和數(shù)據(jù)實時存儲技術(shù)飛速發(fā)展,工業(yè)生產(chǎn)中的大量過程數(shù)據(jù)得以保存下來。因此,怎樣充分提取大量工業(yè)過程歷史數(shù)據(jù)中的數(shù)據(jù)特征成為故障檢測中的關(guān)鍵一步�？紤]到實際工業(yè)過程的數(shù)據(jù)具有高維數(shù)、非線性和高斯性等特點,傳統(tǒng)的單一的特征提取方法已經(jīng)不能滿足提取豐富數(shù)據(jù)特征的要求。對傳統(tǒng)的特征提取方法進行改進,主要內(nèi)容包括以下方面:（1）由于核局部保持投影在局部保持投影方法的基礎(chǔ)上加入核函數(shù),因此該方法在保留了局部保持投影的特性外,與局部保持投影相比,可以更好地處理非線性數(shù)據(jù)。除此之外,核局部保持投影還得到一個非線性近似的投影矩陣,通過該投影矩陣可以快速得到待測樣本的低維表示,很好地解決了樣本外點問題。但是核局部保持投影只能提取原始數(shù)據(jù)的局部近鄰結(jié)構(gòu)信息,無法得到原始數(shù)據(jù)的全面特征信息。因此,考慮將具有保留全局信息的核主元分析與核局部保持投影相結(jié)合。同時考慮到樣本數(shù)據(jù)尺度大小不同會影響分類邊界的確定以及進一步影響故障檢測率,將核主元分析過程中得到的... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．?２?ＴＥ過程流程圖??Ｆｉｇ．?２．２?Ｐｒｏｃｅｓｓ?ｌａｙｏｕｔ?ｏｆ?ｔｈｅ?ＴＥ?ｐｒｏｃｅｓｓ??如圖２．２所不．，ＴＥ過程模擬器由反應(yīng)器（Ｒｅａｃｔｏｒ）、冷凝器（Ｃｏｎｄｅｎｓｅｒ）、氣液分離器??（Ｖａｐ／Ｌｉｑ?Ｓｅｐａｒａｔｏｒ）、循環(huán)壓縮機（Ｃｏｍｐｒｅｓｓｏｒ）和汽提塔（Ｓｔｒｉｐｐｅｒ）等五個主要單元組成

?基于改進核局部保持投影的故障檢測方法???１０?■?？?＿？?？？?￣￣：￣正常數(shù)據(jù)Ｉ?＇??８?．．．．?．．．?Ｌ…，故障數(shù)據(jù)丨＿??６?＼?？?？?？?？?？＊＊??？?？?？？？？？？：?？?？??４?？？？？？？？：？?：？厶?？？??２?：？？礙？．??〇?．??－２?．?．?Ｖ：：．■？雜ｒ?＿?．：?．．??？４?？．?？?＇?ｎ?ｖ．．．??？?、？？？？＇?？?？?？??－６?－?？＊？？?？：?？?？?？?＿??？?？?？??－８?－?．?－??－１０?－?．?－??？１０?－５?０?５?１０?１５?２０??圖２．?３?ＫＰＣＡ方法對于故障５的降維結(jié)果??Ｆｉｇ．?２．３?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｆａｕｌｔ?５?ｂｙ?ＫＰＣＡ??３０?ｒ???Ｔ２??２０?＿?八ｊ１、??Ｔ２控制限??ｑ?；?，??０?２００?４００?６００?８００?１０００??Ｓａｍｐｌｅｓ??４廠??，??ＳＰＥ??３?｜?ｋ??ＳＰＥ控制限??〇?一：?，??０?２００?４００?６００?８００?１０００??Ｓａｍｐｌｅｓ??圖２．?４?ＫＰＣＡ方法對于故障５的撿測結(jié)果??Ｆｉｇ．?２．４?Ｔｈｅ?ｄｅｔｅｃｔｉｏｎ?ｒｅｓｕｌｔ?ｏｆ?ｆａｕｌｔ?５?ｂｙ?ＫＰＣＡ??－２２?－??

?基于改進核局部保持投影的故障檢測方法???１０?■?？?＿？?？？?￣￣：￣正常數(shù)據(jù)Ｉ?＇??８?．．．．?．．．?Ｌ…，故障數(shù)據(jù)丨＿??６?＼?？?？?？?？?？＊＊??？?？?？？？？？？：?？?？??４?？？？？？？？：？?：？厶?？？??２?：？？礙？．??〇?．??－２?．?．?Ｖ：：．■？雜ｒ?＿?．：?．．??？４?？．?？?＇?ｎ?ｖ．．．??？?、？？？？＇?？?？?？??－６?－?？＊？？?？：?？?？?？?＿??？?？?？??－８?－?．?－??－１０?－?．?－??？１０?－５?０?５?１０?１５?２０??圖２．?３?ＫＰＣＡ方法對于故障５的降維結(jié)果??Ｆｉｇ．?２．３?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｆａｕｌｔ?５?ｂｙ?ＫＰＣＡ??３０?ｒ???Ｔ２??２０?＿?八ｊ１、??Ｔ２控制限??ｑ?；?，??０?２００?４００?６００?８００?１０００??Ｓａｍｐｌｅｓ??４廠??，??ＳＰＥ??３?｜?ｋ??ＳＰＥ控制限??〇?一：?，??０?２００?４００?６００?８００?１０００??Ｓａｍｐｌｅｓ??圖２．?４?ＫＰＣＡ方法對于故障５的撿測結(jié)果??Ｆｉｇ．?２．４?Ｔｈｅ?ｄｅｔｅｃｔｉｏｎ?ｒｅｓｕｌｔ?ｏｆ?ｆａｕｌｔ?５?ｂｙ?ＫＰＣＡ??－２２?－??

【參考文獻】：
期刊論文
[1]基于LLE和PCA的人臉識別算法研究[J]. 鄒云波,余昌勤,李小彥.  云南民族大學(xué)學(xué)報(自然科學(xué)版). 2013(S1)
[2]ISOMAP-LDA方法用于化工過程故障診斷[J]. 成忠,諸愛士,陳德釗.  化工學(xué)報. 2009(01)
[3]局部保持的流形學(xué)習(xí)算法對比研究[J]. 曾憲華,羅四維.  計算機工程與應(yīng)用. 2008(29)

博士論文
[1]基于流形特征提取的化工過程故障診斷方法研究[D]. 張妮.中國石油大學(xué)(華東) 2013
[2]流形學(xué)習(xí)理論與算法研究[D]. 孫明明.南京理工大學(xué) 2007

碩士論文
[1]基于多元統(tǒng)計分析的故障檢測與應(yīng)用研究[D]. 孟程程.中國計量學(xué)院 2013



本文編號：3400661