基于多分类器决策融合的故障检测与诊断及GUI平台设计

摘要

近年来，由于工业生产的安全和质量要求，过程监测已经成为一个重要的研究领域，进而出现了越来越多的、有效且实用的故障检测和识别方法，不过这些单个的方法大都基于一定的条件假设，也就意味着，一种方法在一些条件下能有很好的性能而在另一些状态下就有可能表现不佳。因此，本文针对单一方法的局限性，主要应对具有线性、非线性和非高斯过程特征的情况，提出了集成多个检测方法的决策融合系统，包括“所有决策”融合系统和“选择决策”融合系统;并介绍了它们的基本思想、相关算法和实现，以及相应的GUI平台设计。具体包括:
　　(1)为了提高整个系统的多样性，利用重采样技术对原始数据进行处理，筛选出包含更多有效信息的数据，以提高数据的多样性;并选择可以处理非线性、非高斯、线性等不同过程特征的分类器，使得算法在应对具有该类特点的数据时，能获得比较好的分类性能，同时为后续的决策融合提供强的多样性。最后通过实验验证了多样性处理的有效性。
　　(2)提出了一种基于Dempster-Shafer证据理论的“所有决策”融合系统，用于工业故障检测和诊断;此外，提出一个新的衡量分类器相关程度的指标，即相关系数指数，它由分类器的分类性能参数计算所得，用来衡量各分类器的线性相关性;最后基于新的相关系数指数，提出一种“选择决策”融合系统框架，它在所有决策融合系统的基础上，通过过滤相关性大的其他分类器，保留最初识别故障的分类器决策参与融合。通过在Tennessee Eastman平台上进行仿真实验，验证了两种融合框架的优越性:减小延迟诊断时间，提高诊断准确率。
　　(3)在MATLAB的GUI平台上，开发了一个基于本文算法框架的过程监测平台，可以实现在线的故障监测和诊断，并对故障信息给予声音和灯光的报警。它相当于一个集成在人机接口主机上的客户端程序，同时将包含故障检测算法的模型库、监控模块、预处理模块全部整合在平台内部，并利用Access数据库系统统一管理历史数据和系统信息。经过测试表明，该平台界面友好，通用性及扩展性较强。
　　最后，对全文进行总结，并对后续展望给予了一定的说明。

目录

声明

致谢

摘要

图目录

表目录

第1章 绪论

1．1 课题背景与研究意义

1．2 过程监测的研究内容和现状

1．2．1 过程监测的基本概念

1．2．2 过程监测的基本方法

1．2．3 统计过程监测存在的问题

1．3 基于决策融合的过程监测

1．3．1 决策融合的基本思想

1．3．2 多分类器系统的基本思想

1．4 本文的创新点和各章节介绍

1．4．1 主要创新点

1．4．2 各章节介绍

1．5 本章小结

第2章 基本方法和实验平台介绍

2．1 集成学习

2．2 多分类器系统

2．2．1 多样性的计算方法

2．2．2 融合算法简介

2．3 Dempster-Shafer证据理论

2．4 TE Benchmark实验研究平台

2．5 本章小结

第3章 多分类器系统的多样性设计

3．1 多样性设计分析

3．2 训练数据重采样

3．3 多分类器类型选择

3．3．1 无监督方法选择

3．3．2 有监督方法选择

3．4 仿真测试

3．4．1 无监督方法仿真测试

3．4．2 有监督方法仿真测试

3．5 本章小结

第4章 基于D-S证据的决策融合系统设计

4．1 测试各分类器的分类性能

4．2 “所有决策”融合系统

4．2．1 故障检测

4．2．2 故障诊断

4．3 “选择决策”融合系统

4．4 仿真实例：Tennessee Eastman问题

4．4．1 情景1——“所有决策”融合系统

4．4．2 情景2——“选择决策”融合系统

4．5 性能评估

4．6 本章小结

第5章 基于Matlab-GUI的平台设计

5．1 设计框架

5．1．1 主体系统框架

5．1．2 平台与融合框架的对应关系

5．1．3 仿真环境

5．1．4 GUI设计

5．1．5 Access数据库技术

5．2 系统主界面设计

5．2．1 登录界面

5．2．2 系统配置界面

5．2．3 离线建模界面

5．2．4 在线监测与故障诊断界面

5．3 本章小结

第6章 结论

6．1 本文小结

6．2 展望

参考文献

攻读硕士学位期间的科研成果