基于k近鄰的復(fù)雜工業(yè)過程故障診斷方法研究.pdf

1、保證現(xiàn)代復(fù)雜工業(yè)過程安全且有效地運(yùn)行對(duì)于提高產(chǎn)品質(zhì)量至關(guān)重要，故障診斷技術(shù)是提升控制系統(tǒng)可靠性、安全性，保證過程穩(wěn)定運(yùn)行的有效手段之一。隨著信息技術(shù)的發(fā)展，數(shù)據(jù)采集和存儲(chǔ)成本降低，工業(yè)過程積累了海量的數(shù)據(jù)，促使基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法在近二十多年中取得了長足發(fā)展，其中多變量統(tǒng)計(jì)過程監(jiān)控方法成為研究熱點(diǎn)之一，產(chǎn)生了許多理論研究成果，也得到了廣泛的應(yīng)用。
　　傳統(tǒng)的多變量統(tǒng)計(jì)過程監(jiān)控方法假設(shè)過程數(shù)據(jù)采集自穩(wěn)定的單一工況、服從高斯分布

2、、變量之間滿足線性關(guān)系等。但是，隨著工業(yè)過程的復(fù)雜化，所獲得的過程測(cè)量數(shù)據(jù)常常不滿足上述假設(shè)。面對(duì)復(fù)雜的工況過程，本文以經(jīng)典的k近鄰規(guī)則為主要方法，開展基于k近鄰方法的故障檢測(cè)、故障隔離和故障重構(gòu)等問題的研究。全文的主要研究?jī)?nèi)容如下:
　　(1)針對(duì)過程數(shù)據(jù)分布復(fù)雜且變量維數(shù)較高時(shí)的故障檢測(cè)問題，提出利用隨機(jī)投影和k近鄰相結(jié)合的快速故障檢測(cè)方法，該方法首先利用隨機(jī)投影對(duì)數(shù)據(jù)進(jìn)行降維處理，相較于PCA(Principle Compo

3、nent Analysis)降維方法，隨機(jī)投影能夠在降維的同時(shí)保持樣本之間的距離近似不變，可以與k近鄰檢測(cè)算法很好地結(jié)合，不但能夠降低計(jì)算復(fù)雜度，同時(shí)在隨機(jī)子空間中也能保證k近鄰算法的故障檢測(cè)性能。
　　(2)針對(duì)多傳感器故障隔離問題，提出了一種新的基于k近鄰的故障隔離方法。傳統(tǒng)的多變量統(tǒng)計(jì)過程監(jiān)控方法的框架下，故障隔離主要采用貢獻(xiàn)分析方法,如貢獻(xiàn)圖、局部分解貢獻(xiàn)和基于重構(gòu)的貢獻(xiàn)等方法。然而，這些主要的貢獻(xiàn)分析方法都受到故障污染效

4、應(yīng)影響，容易導(dǎo)致誤隔離，即將未受故障直接影響的傳感器錯(cuò)誤地判定為故障傳感器。另外，這些主要的貢獻(xiàn)分析方法對(duì)多個(gè)傳感器故障不具備可隔離性。本文提出基于k近鄰的多傳感器故障隔離方法，在原始測(cè)量空間根據(jù)樣本與近鄰之間累計(jì)距離定義了新的故障貢獻(xiàn)指標(biāo)，從而避免故障污染問題，而且對(duì)有多個(gè)測(cè)量變量受故障影響或多傳感器故障具有可隔離性。
　　(3)針對(duì)故障重構(gòu)問題，分析了一類代表性的故障重構(gòu)方法，即基于PCA的故障重構(gòu)和估計(jì)方法，通過理論分析和實(shí)

5、驗(yàn)驗(yàn)證指出該方法在特定情況下并不能夠唯一地隔離出真實(shí)受故障直接影響的傳感器，特別是當(dāng)故障影響一個(gè)或多個(gè)傳感器致使這些傳感器的測(cè)量值出現(xiàn)明顯的偏差，導(dǎo)致測(cè)量變量間的相關(guān)關(guān)系發(fā)生變化時(shí)，基于PCA的重構(gòu)方法無法給出唯一的隔離結(jié)果。另外，該方法對(duì)故障幅值的估計(jì)精度也不高。針對(duì)這些不足之處，嘗試從k近鄰回歸的角度解決重構(gòu)問題，提出了改進(jìn)型基于k近鄰回歸的故障重構(gòu)和估計(jì)方法，所提出的方法能夠處理有多個(gè)測(cè)量變量受故障影響的問題，而且對(duì)數(shù)據(jù)分布不作限