基于小波變換的動(dòng)態(tài)過程質(zhì)量異常模式識別方法研究.pdf

1、近年來，隨著許多工業(yè)不斷轉(zhuǎn)型大型化、自動(dòng)化、連續(xù)化，動(dòng)態(tài)生成過程產(chǎn)生了大量的動(dòng)態(tài)數(shù)據(jù)。為確保動(dòng)態(tài)生產(chǎn)過程的安全和穩(wěn)定，有效的質(zhì)量監(jiān)控與診斷得到越來越多的重視，多種故障診斷方法相融合的復(fù)合型診斷成為研究的熱點(diǎn)。其中，通過設(shè)計(jì)優(yōu)秀的特征提取算法并結(jié)合分類器進(jìn)行的模式識別成為故障診斷領(lǐng)域的主流研究趨勢。
　　針對復(fù)雜動(dòng)態(tài)過程模式識別中存在的問題，本文主要做了一下幾個(gè)方面的工作。
　　1.以卷煙廠煙絲自動(dòng)加工過程為背景，通過對動(dòng)態(tài)過

2、程質(zhì)量異常模式識別方法進(jìn)行理論分析，研究了模式識別流程中所涉及的數(shù)據(jù)處理、特征提取算法、分類器設(shè)計(jì)等。
　　2.根據(jù)動(dòng)態(tài)過程的離線測量數(shù)據(jù)，獲取質(zhì)量異常信息，確定動(dòng)態(tài)數(shù)據(jù)流的質(zhì)量異常模式。
　　3.針對強(qiáng)噪聲背景下混合多種異常模式的動(dòng)態(tài)數(shù)據(jù)流，本文提出了一種基于靜態(tài)小波分析的奇異點(diǎn)檢測算法，在一定程度上提高了異常檢測的速度、準(zhǔn)確率和抗噪性。
　　4.通過對動(dòng)態(tài)數(shù)據(jù)流異常模式的自適應(yīng)特征提取，結(jié)合BP神經(jīng)網(wǎng)絡(luò)分類器，實(shí)現(xiàn)