基于大数据分析的工业控制系统故障检测方法

摘要

智能故障诊断是一种很有前景的工具,能够快速高效地处理采集到的信号并提供准确的诊断结果。在传统的智能诊断方法中,特征是根据先验知识和诊断知识进行手动提取的。基于此,本文提出了一种用于机器智能诊断的学习方法。该方法分为2个阶段。第1阶段采用无监督的稀疏滤波,直接从机械振动信号中学习特征。第2阶段则使用Softmax回归对工业控制系统的健康状况进行分类。所提出的方法通过电机轴承数据集进行了验证。结果表明,该方法获得了相当高的诊断精度,并且优于现有的电机轴承数据集方法。由于自适应学习特征,该方法减少了人工的需要,使智能故障诊断更容易处理大数据。