学位论文 > 优秀研究生学位论文题录展示

基于核方法的故障诊断方法及其应用研究

作　者: 仓冰南
导　师: 刘建昌
学　校: 东北大学
专　业: 控制理论与控制工程
关键词: 故障诊断 核主元分析 核Fisher判别分析
分类号: TP13
类　型: 硕士论文
年　份: 2010年
下　载: 82次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着自动化技术在钢铁、有色金属工业中得到越来越多的应用,人们对轧制过程的可靠性与安全性的要求越来越高,对产品的质量要求也越来越严格,因此,对轧制过程进行故障诊断已经成为冶金自动化领域最重要的研究方向之一。基于数据驱动的故障诊断方法,由于其不依赖数学模型以及能够从工业现场获得丰富的数据而更具实用性。这一方法要求收集在正常状态以及各种故障状态下的历史数据。其诊断应包括故障检测和故障识别两个步骤。本文将核方法引入到传统的主元分析与Fisher判别分析中,研究了基于核主元分析与核Fisher判别分析的故障诊断方法及其在轧制过程AGC系统典型故障中的应用。故障诊断共分两步。第一步是故障检测,本文采用基于主元分析与核主元分析的故障检测方法,通过T2统计量和SPE统计量来检测系统故障。第二步是故障识别,本文采用基于Fisher判别分析与核Fisher判别分析的故障识别方法,通过设计多值分类器进行故障识别。为降低分类器运行时的复杂性并提高其分类精度,需去除原始数据之间的相关性并对原始数据进行降维,本文采用KPCA方法对原始数据进行预处理。鉴于不同核参数的选取对核Fisher判别分类器性能影响较大,本文采用粒子群算法对核Fisher判别分类器的核参数进行优化处理,给出了以类可分测度为评价指标,基于粒子群算法的优化核Fisher判别分析方法。将其结合KPCA特征提取,通过仿真实验,可得其故障诊断准确率达到了90%以上,验证了该方法的有效性。

全文目录


摘要  5-6
Abstract  6-10
第1章 绪论  10-20
  1.1 引言  10-16
    1.1.1 工业过程故障诊断的意义  10
    1.1.2 工业过程故障诊断的内容  10-11
    1.1.3 工业过程故障诊断的步骤  11-12
    1.1.4 国内外故障诊断的研究情况  12-13
    1.1.5 工业过程故障诊断方法分类  13-16
  1.2 轧制过程故障诊断概述  16-19
    1.2.1 轧制过程故障诊断的背景和意义  16
    1.2.2 轧制过程故障诊断的范畴和内容  16-17
    1.2.3 国内外发展概况与应用  17-18
    1.2.4 轧制过程故障特点  18-19
  1.3 本文的主要工作  19-20
第2章 基于核主元分析的故障检测  20-36
  2.1 主元分析  20-28
    2.1.1 主元分析方法的基本思想  20-21
    2.1.2 提取主元的理论推导  21-24
    2.1.3 主元个数的确定方法  24
    2.1.4 提取主元的详细步骤  24-26
    2.1.5 过程统计控制图  26-27
    2.1.6 基于主元分析的多元统计故障检测方法  27-28
  2.2 核主元分析  28-32
    2.2.1 核主元分析算法  28-31
    2.2.2 核函数的选择  31
    2.2.3 基于KPCA的故障检测方法  31-32
  2.3 主元分析与核主元分析故障检测的内涵分析  32-34
  2.4 本章小结  34-36
第3章 基于核Fisher判别分析的故障识别  36-52
  3.1 Fisher判别分析理论  36-41
    3.1.1 Fisher判别分析理论基础  36-38
    3.1.2 Fisher判别分析方法原理  38-40
    3.1.3 基于Fisher判别分析的故障识别步骤  40-41
  3.2 核Fisher判别分析理论  41-44
    3.2.1 核Fisher判别分析理论基础  41-43
    3.2.2 基于核Fisher判别分析的故障识别步骤  43-44
  3.3 常用核函数  44-45
  3.4 粒子群优化算法  45-48
  3.5 核Fisher判别分析的核参数优化  48-49
  3.6 基于PSO的优化核Fisher判别分析故障识别步骤  49-50
  3.7 本章小结  50-52
第4章 KPCA与KFDA在AGC故障诊断中的应用研究  52-66
  4.1 数据的采集与预处理  52-54
    4.1.1 训练数据和测试数据的采集  52-53
    4.1.2 数据的预处理  53-54
  4.2 基于PCA的AGC系统故障检测  54-58
    4.2.1 PCA故障检测方法的训练过程  54
    4.2.2 在线故障检测  54-55
    4.2.3 检测结果分析  55-58
  4.3 基于KPCA的AGC系统故障检测  58-61
    4.3.1 KPCA故障检测方法的训练过程  58-59
    4.3.2 KPCA在线检测  59
    4.3.3 检测结果分析  59-61
  4.4 基于Fisher判别分析的AGC系统故障识别  61-62
  4.5 基于核Fisher判别分析的AGC系统故障识别  62-63
  4.6 与特征提取相结合的核Fisher判别分析故障识别  63-64
  4.7 本章小结  64-66
第5章 结束语  66-68
参考文献  68-72
致谢  72

相似论文

  1. 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
  2. 八作动器隔振平台的六自由度容错控制研究,TB535.1
  3. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  4. 基于支持向量机的故障诊断方法研究,TP18
  5. 三容水箱系统故障诊断算法研究,TP277
  6. 水上交通安全保障系统的关键技术研究,U698
  7. RTAD-CMDMDES的总体设计和系统开发,U279.3
  8. 基于模糊神经网络的设备故障诊断专家系统,TP183
  9. 基于支持向量机的故障诊断研究,TH165.3
  10. 混凝土泵液压系统故障诊断方法研究,TU646
  11. 基于数据融合技术舞台故障诊断方法的研究,TP18
  12. 雷达电路板故障诊断系统硬件集成的研究与设计,E933.6
  13. 汽轮机加热器数学建模和运行故障诊断,U664.113
  14. 基于改进的支持向量机的模拟电路故障诊断方法研究,TN710
  15. Ad Hoc网络拓扑重构方案的设计与仿真,TN929.5
  16. 高压水除鳞系统实时压力监测与故障诊断,TG333
  17. 瞬态成分建模与参数辨识方法及其旋转机械故障诊断应用研究,TH165.3
  18. 北票风电场发电机组的齿轮箱故障诊断研究,TH165.3
  19. 基于GPRS的变压器故障诊断系统的研究,TM407
  20. 基于人工免疫方法的系统级故障诊断研究,TP338.6
  21. 基于多块核方法的分散化故障诊断的研究,TH165.3

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 自动控制理论
© 2012 www.xueweilunwen.com