基于核可预测元分析算法的故障检测与诊断

摘要

随着工业过程的大型化复杂化，工业过程的安全性受到了人们的密切关注。因此，数据驱动的故障检测与诊断技术成为了过程监控领域中的重要课题。可预测元分析（ForeCA）是一种全新的用于多变量时序相关信号的降维与特征提取方法，以一种全新的模型独立的可预测性度量，在大量的数据中挖掘出潜在的可预测信息结构。它利用变量的自相关性可以从数据中提取观测变量的动态时序特性，并给出该变量的可预测度。由于工业过程往往存在着很强的动态时序特性，因此，非常适合将ForeCA运用在工业过程的故障检测与诊断中。
　　本研究主要内容包括：⑴在ForeCA的基础上，将核函数引入，提出了KForeCA方法。KForeCA方法将ForeCA扩展到了非线性领域，扩宽了其使用范围。⑵建立了完整的基于KForeCA的故障检测模型，提出了可预测主元和累积可预测度贡献率的概念，构造了L2监控统计量和SPE监控统计量。将该模型运用在TE过程上，仿真结果显示该模型可以有效的检测故障。⑶建立了基于MCUSUM-KForeCA的小特征故障检测模型，分析了MCUSUM的步长 l对故障检测效果的影响，并将该模型与基于KForeCA的模型进行了对比。将该模型运用在TE过程上，仿真结果显示该模型可以有效的检测故障。⑷提出了基于KForeCA-SVM的故障诊断模型，并分别在单故障和多故障情形下，将该模型的诊断结果与SVM模型和KPCA-SVM模型相对比，仿真结果表明了该模型在工业过程系统故障诊断中拥有良好的性能。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景和意义

1.2故障检测与诊断的主要内容

1.3数据驱动的故障检测与诊断研究现状

1.4本文的创新点

1.5论文结构

第二章 可预测元分析基本原理

2.1引言

2.2主元分析（PCA）

2.3可预测元分析（ForeCA）

2.4本章小结

第三章 核可预测元分析算法及其特性分析

3.1引言

3.2核方法介绍

3.3核可预测元分析（KForeCA）算法

3.4核可预测元分析特性分析

3.5本章小结

第四章 基于KForeCA算法的故障检测

4.1引言

4.2基于KForeCA的故障检测模型

4.3仿真算例及结果分析

4.4基于MCUSUM-KForeCA的小特征故障检测模型

4.5仿真算例及结果分析

4.6两种故障检测模型的对比分析

4.7本章小结

第五章 基于KForeCA-SVM的故障诊断

5.1引言

5.2支持向量机分类原理

5.3故障诊断模型的建立

5.4仿真算例及结果分析

5.5本章小结

第六章 总结与展望

6.1研究工作总结

6.2未来工作展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文