基于數(shù)據(jù)驅(qū)動的工業(yè)過程故障診斷研究.pdf

1、近年來，隨著科學(xué)技術(shù)，尤其是計算機和信息管理技術(shù)的飛速發(fā)展，工業(yè)生產(chǎn)設(shè)備的規(guī)模向智能化、大型化、連續(xù)化、自動化、高速化等方向發(fā)展，越來越多的變量能夠得到測量、處理和監(jiān)控，數(shù)學(xué)模型、過程知識等傳統(tǒng)的故障診斷方法已不能滿足需求。數(shù)據(jù)驅(qū)動方法由于僅僅依賴工業(yè)生產(chǎn)中所獲得的歷史數(shù)據(jù)來建立監(jiān)控模型，不依賴精確的數(shù)學(xué)模型，進而得到了廣泛的關(guān)注。本文以田納西過程(TEP)為背景，以主成分分析方法(PCA)和核獨立成分分析方法(KICA)為基礎(chǔ)，研究工

2、業(yè)生產(chǎn)過程的故障檢測和診斷。
　　論文詳細闡述了故障診斷技術(shù)與工業(yè)故障診斷技術(shù)的研究現(xiàn)狀，介紹了PCA和KICA的基本原理、監(jiān)控統(tǒng)計量的建立、控制限的設(shè)置、FastICA算法以及小波包去噪與小波包分解原理。
　　論文采用PCA、KICA算法進行仿真研究，在分析兩種算法各自優(yōu)缺點基礎(chǔ)上，引入基于核獨立成分分析&主成分分析(KICA-PCA)的故障檢測方法，將KICA與PCA結(jié)合起來。文中借助兩步式方法分別提取數(shù)據(jù)的非高斯特征信

3、息、高斯特征信息，通過對TEP仿真結(jié)果分析指出，KICA-PCA算法可以實現(xiàn)非高斯與高斯過程的同步監(jiān)控，由于忽略了過程采樣數(shù)據(jù)自相關(guān)與滯后相關(guān)的動態(tài)特性，對于微小故障和漸變故障檢測效果很差，缺少可用的變量貢獻分析方法進行診斷故障。
　　論文將小波包濾波理論與AR模型預(yù)測數(shù)據(jù)特性融入到KICA-PCA中，提出基于小波包濾波動態(tài)核獨立成分分析&主成分分析(FDKICA-PCA)的故障診斷方法。該方法利用小波包對過程數(shù)據(jù)進行濾波，以去除