基于增量式核非負(fù)矩陣分解算法的數(shù)據(jù)流故障檢測與診斷.pdf

1、隨著現(xiàn)代計算機(jī)技術(shù)的迅猛發(fā)展，現(xiàn)代工業(yè)過程控制系統(tǒng)變得更加復(fù)雜化和智能化，監(jiān)控系統(tǒng)所需的傳感器數(shù)量日益增多，并組成了傳感器網(wǎng)絡(luò)，對應(yīng)的數(shù)據(jù)形式也在逐步發(fā)生改變，呈現(xiàn)數(shù)據(jù)流形式，不但具有傳統(tǒng)數(shù)據(jù)的特征，同時還有新的特征。目前針對數(shù)據(jù)流形式的工業(yè)過程的故障檢測與診斷才剛剛起步，因此這是一個很有必要研究的課題。核非負(fù)矩陣分解（KNMF）是近幾年發(fā)展起來的新穎的矩陣分解算法，挖掘數(shù)據(jù)的局部信息表示信息的整體結(jié)構(gòu)，因此分解得到的矩陣具有天然的稀疏

2、性。KNMF具有非負(fù)限制，保證了純加性運(yùn)算，更加符合工業(yè)過程實際情況。KNMF還具有良好的解釋性。本文將KNMF算法引入到故障檢測與診斷領(lǐng)域，并建立故障檢測與診斷模型。
　　本研究主要內(nèi)容包括：⑴從幾何層面上解釋了KNMF算法的意義，并且給出了KNMF算法的詳細(xì)特性分析，深化了對KNMF算法的理解。⑵在KNMF算法的基礎(chǔ)上，為了縮短訓(xùn)練時間，同時滿足數(shù)據(jù)流的實時性要求和動態(tài)性要求，提出了增量式核非負(fù)矩陣分解（ILKNMF）算法，給

3、出了ILKNMF算法對應(yīng)的三個原則，分析了ILKNMF算法的訓(xùn)練模型和自適應(yīng)模型，同時為了解決數(shù)據(jù)流對存儲要求高的缺點，提出了精簡歷史數(shù)據(jù)的方法。⑶在ILKNMF算法的基礎(chǔ)上，提出了基于ILKNMF算法的故障檢測模型，并設(shè)計了K2和SPE兩個監(jiān)控統(tǒng)計量用于故障檢測，并給出了控制限的求解方法。當(dāng)用于在線監(jiān)控時，如果在線數(shù)據(jù)對應(yīng)的統(tǒng)計量值超出控制限，表明系統(tǒng)發(fā)生故障。在此基礎(chǔ)上，使用經(jīng)典方法----貢獻(xiàn)圖法，建立了故障辨識模型。⑷在KNMF