本文關(guān)鍵詞：基于遞歸圖的工業(yè)過程異常監(jiān)測和故障診斷研究　出處：《北京科技大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 遞歸圈 控制圈法 過程監(jiān)測 故障診斷 統(tǒng)計(jì)過程控制

【摘要】：隨著信息技術(shù)的發(fā)展,工業(yè)生產(chǎn)規(guī)模越來越大,生產(chǎn)過程也越來越復(fù)雜,對生產(chǎn)過程的有效監(jiān)測和故障診斷受到越來越多的重視。能夠及時、準(zhǔn)確的發(fā)現(xiàn)生產(chǎn)過程中存在的異常和故障,并找出異常原因,既可以有效預(yù)測產(chǎn)品的質(zhì)量,減少廢品率,同時可以掌握設(shè)備的運(yùn)行狀態(tài),降低設(shè)備的損傷,避免發(fā)生嚴(yán)重的生產(chǎn)事故。傳統(tǒng)的過程監(jiān)控和故障診斷方法,多基于機(jī)理模型或者數(shù)學(xué)模型。但在復(fù)雜的工業(yè)生產(chǎn)過程中,生產(chǎn)過程變量眾多且相關(guān)性大、工序復(fù)雜、不確定性大,很難獲取準(zhǔn)確的機(jī)理模型或者數(shù)學(xué)模型。隨著生產(chǎn)過程自動化程度的提高,海量的生產(chǎn)過程數(shù)據(jù)被采集,這些數(shù)據(jù)包含有豐富的生產(chǎn)過程信息,真實(shí)的記錄和反應(yīng)了實(shí)際生產(chǎn)過程的狀態(tài)。如何從海量的生產(chǎn)過程數(shù)據(jù)中,提取出有用的信息,滿足生產(chǎn)過程性能監(jiān)測、故障診斷的需求,成為重要的研究課題。工業(yè)生產(chǎn)過程中,經(jīng)常采集振動、溫度、壓力、電壓、電流等過程數(shù)據(jù),這類數(shù)據(jù)均屬于非線性信號。遞歸圖法可以將低維的非線性信號映射到高維的相空間,在高維相空間根據(jù)信號間的相關(guān)性,建立遞歸矩陣,表征信號的特征。該方法無需了解待分析信號的分布信息,對待分析信號的長度、穩(wěn)定性等也無特別要求,適用于分析復(fù)雜系統(tǒng)的非線性信號。目前遞歸圖法已經(jīng)廣泛用于物理、天文、生物等領(lǐng)域,但是在工業(yè)生產(chǎn)過程監(jiān)控和故障診斷領(lǐng)域,鮮有研究。本論文引入遞歸圖法,分析實(shí)際工業(yè)生產(chǎn)過程中的數(shù)據(jù),結(jié)合統(tǒng)計(jì)質(zhì)量控制理論,提出了多種工業(yè)生產(chǎn)過程異常監(jiān)測和故障診斷算法。本論文的主要研究內(nèi)容包括：(1)提出了基于遞歸定量分析的連續(xù)沖壓過程異常監(jiān)測算法,分析了沖壓力信號與其對應(yīng)的遞歸圖之間的關(guān)系,提取出多種遞歸定量特征,有效解決了連續(xù)沖壓過程“弱操作”工位的故障檢測問題。對比已有的基于PCA的故障監(jiān)測算法,本論文所提出的方法,在檢測“弱操作”工位故障時,故障識別率從79%提高到91%。同時,針對遞歸圖法閾值參數(shù)估計(jì)問題,提出了基于數(shù)據(jù)驅(qū)動的遞歸圖閾值參數(shù)估計(jì)算法,最大程度的利用連續(xù)沖壓過程數(shù)據(jù)的信息,尋找出最優(yōu)的閾值參數(shù)。該閾值參數(shù)估計(jì)算法可以作為遞歸圖閾值參數(shù)估計(jì)的普遍指導(dǎo)算法,能有效的應(yīng)用于各種其他工業(yè)過程。(2)結(jié)合統(tǒng)計(jì)質(zhì)量控制理論,提出了基于多元遞歸T2控制圖的工業(yè)過程設(shè)備故障檢測算法。該算法充分利用了遞歸圖不同遞歸特征量所包含的信息,構(gòu)建了一個新的多元遞歸T2統(tǒng)計(jì)量,并建立多元遞歸T2控制圖。該算法成功的應(yīng)用于仿真信號分析和實(shí)際軸承故障識別。由于多元遞歸T2統(tǒng)計(jì)量不滿足高斯分布,傳統(tǒng)控制圖參數(shù)估計(jì)算法已不適用,本文提出了基于窮舉法(Bootstrap)的多元遞歸T2控制圖參數(shù)估計(jì)算法,估計(jì)控制界限。(3)為了有效表征不同遞歸圖之間的相關(guān)性,提出了基準(zhǔn)遞歸圖和關(guān)聯(lián)遞歸圖的概念,關(guān)聯(lián)遞歸圖中元素值的大小直接反應(yīng)了生產(chǎn)過程的狀態(tài)�；陉P(guān)聯(lián)遞歸圖的獨(dú)特性質(zhì),提出了基于關(guān)聯(lián)遞歸圖的工業(yè)過程異常監(jiān)測和故障診斷算法,該算法可以在生產(chǎn)過程故障信息未知時,自動檢測出生產(chǎn)過程的異常,并判斷出生產(chǎn)過程異常發(fā)生在什么時間以及發(fā)生在哪個環(huán)節(jié)。通過對仿真信號和連續(xù)沖壓過程實(shí)際數(shù)據(jù)的分析,驗(yàn)證了該算法的有效性。
[Abstract]:With the development of information technology , the scale of industrial production is getting more and more complex , the production process is more and more complex , the effective monitoring and fault diagnosis of the production process has been paid more and more attention . In this paper , a recursive graph threshold parameter estimation algorithm based on PCA is proposed , which can be used as a general guidance algorithm of recursive graph threshold parameter estimation . The algorithm can be used as a generalized guidance algorithm for recursive graph threshold parameter estimation .

【學(xué)位授予單位】：北京科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP277

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 章立軍;楊德斌;徐金梧;陳志新;;基于數(shù)學(xué)形態(tài)濾波的齒輪故障特征提取方法[J];機(jī)械工程學(xué)報;2007年02期

相關(guān)博士學(xué)位論文 前1條

1 陳仲生;直升機(jī)旋轉(zhuǎn)部件故障特征提取的高階統(tǒng)計(jì)量方法研究[D];國防科學(xué)技術(shù)大學(xué);2004年

，

本文編號：1430526