声明
摘要
第1章 绪论
1.1 课题的背景和意义
1.2 故障检测与诊断方法研究现状
1.2.1 FDD的实现过程
1.2.2 FDD的方法分类
1.2.3 数据驱动的FDD方法
1.3 工业过程的特性分析
1.3.1 被控对象的特性分析
1.3.2 过程数据的特性分析
1.4 非负矩阵分解的研究现状
1.4.1 NMF的研究现状
1.4.1 NMF算法在FDD领域的应用前景
1.5 论文的内容安排
第2章 火电厂热控系统故障诊断内容及实现原则
2.2 TCS典型故障分析报告
2.3 TCS可靠性分析
2.3.1 TCS可靠性的影响因素
2.3.2 提高TCS可靠性的现有手段
2.4 TCS故障诊断的研究范围和研究对象
2.5 TCS故障诊断现有方法
2.6 TCS故障诊断系统设计原则
2.7 本章小结
第3章 广义投影非负矩阵分解算法
3.1 引言
3.2 NMF基本算法
3.3 嵌入线性投影的NMF算法
3.3.2 正交投影非负矩阵分解算法
3.4 GPNMF算法的提出
3.5 GPNMF算法收敛性证明
3.6 非负双奇异值分解初始化方法
3.6.1 NDSVD方法的提出
3.6.2 仿真验证
3.7 GPNMF算法性能分析
3.8 本章小结
第4章 基于GPNMF算法的FDD模型研究
4.1 引言
4.2 基于PCA的故障检测方法
4.2.1 概述
4.2.2 PCA故障检测方法
4.2.3 基于传统贡献图的故障诊断技术
4.3 监控统计量的设计
4.3.1 监控统计量T2和SPE的内涵分析
4.3.2 适用于GPNMF的监控统计量
4.3.3 基于贡献图的故障诊断
4.4 监控统计量控制限的求取
4.5 基于GPNMF的故障检测方法
4.6 故障检测实例
4.6.1 故障检测
4.6.2 故障分离
4.7 本章小结
第5章 数据缺失情况下的GPNMF故障检测方法研究
5.1 引言
5.2 GPNMF模型的鲁棒性检验
5.3 马尔科夫理论概述
5.3.1 MCM的基本原理
5.3.2 马尔可夫性检验
5.3.3 时间序列的生成
5.4 缺失数据预处理方法
5.4.1 基于二阶MC的时间序列建模
5.4.2 预测精度评估算法
5.4.3 传统缺失值估计算法
5.4.4 缺失值双向估计算法
5.4.5 误差对比
5.5 仿真验证
5.6 本章小结
第6章 多故障条件下的GPNMF故障检测方法研究
6.1 引言
6.2 FDA方法简介与分析
6.2.1 FDA的基本原理
6.2.2 分析讨论
6.3 FGPNMF算法的提出
6.3.1 FGPNMF算法
6.3.2 FGPNMF收敛性证明
6.4 基于FGPNMF的故障检测方法
6.5 仿真验证
6.5.1 单故障验证
6.5.2 多故障验证
6.6 本章小结
第7章 结论与展望
参考文献
攻读博士学位期间发表的论文及其它成果
攻读博士学位期间参加的科研工作
致谢
作者简介
华北电力大学;
华北电力大学(北京);