文摘
英文文摘
第1章绪论
1.1课题研究的背景与意义
1.2控制系统中的传感器故障检测与诊断
1.2.1控制系统中传感器故障诊断的意义和重要性
1.2.2故障分类及传感器故障诊断的任务
1.2.3典型传感器故障诊断分类方法
1.3国内外研究现状及发展方向
1.4主元分析方法的提出及其发展
1.5论文的主要研究内容
第2章传感器的测量模型与主元分析方法
2.1传感器测量模型
2.1.1传感器测量模型的数量表示
2.1.2测量数据的向量及矩阵表示
2.2主元分析方法
2.2.1主元分析法基本思想
2.2.2主元分析法的数学推导
2.2.3主元分析法的建模过程
2.2.4主元数目的确定
2.2.5故障检测方法
2.2.6故障重构方法
2.2.7故障识别
2.3本章小结
第3章主元分析算法的改进
3.1时滞数据动态过程传感器故障诊断方法
3.1.1动态主元分析方法的提出及时滞数据矩阵的构建
3.1.2改进的动态主元分析方法
3.1.3基于动态主元分析方法的故障传感器重构
3.1.4基于动态主元分析方法的故障传感器识别
3.2利用核函数主元分析与神经网络实现传感器故障诊断
3.2.1核函数主元分析(KPCA)
3.2.2 KPCA的监测统计量
3.2.3神经网络预测器
3.3基于多主元模型和神经网络的传感器故障检测与诊断方法
3.3.1多个主元模型的构建和主元个数的选取
3.3.2神经网络用以实现故障诊断
3.4本章小结
第4章故障诊断中几个关键问题的研究
4.1传感器故障和系统(元件)故障的区分
4.1.1综合应用T2和SPE统计实现故障区分
4.1.2由传感器间相关系数的变化来区分故障
4.1.3由变量贡献图法区分故障
4.2人工神经网络学习算法的改进
4.3 PCA故障检测统计量的改进
4.4故障可检测性与可重构性
4.5故障诊断研究趋势(现存问题)
4.5.1实际工况下T2统计和SPE统计置信限的确定
4.5.2故障检测阈值的确定
4.5.3在KPCA框架下进行故障诊断
4.6本章小结
第5章仿真实验
5.1实验系统与装置
5.1.1变风量空调系统
5.1.2变风量空调系统中的空气处理单元(AHU)
5.2传感器故障诊断实验
5.2.1改进的时滞数据动态主元分析方法的验证
5.2.2核函数主元分析与神经网络实现传感器故障诊断
5.3本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
作者简历