基于自適應PCA和時序邏輯的動態(tài)系統(tǒng)故障診斷研究.pdf

1、為了保證系統(tǒng)正常、安全地運行，故障診斷研究備受關注。通常，在復雜動態(tài)系統(tǒng)中，過程數(shù)學機理與知識難以預先獲取，而過程數(shù)據(jù)很豐富且易于獲取。因此，研究在純數(shù)據(jù)模型框架下動態(tài)系統(tǒng)的故障診斷問題很有意義。針對動態(tài)系統(tǒng)故障診斷面臨的模型自動更新和動態(tài)過程特征表達兩大問題，本文分別從過程中全局和局部信息的自適應提取、模型的自適應稀疏化、時序邏輯的引入和擴展的角度，采用自適應主元分析(principal component analysis，PCA)

2、和時序邏輯主要進行了以下幾個方面的創(chuàng)新性研究:
　　1、針對傳統(tǒng)的PCA因模型全局、固定不能準確地反映動態(tài)時變和局部信息的缺陷，通過在每一種系統(tǒng)運行狀況下對過程變量進行自適應分塊，使得不同的運行狀況有著各自的變量分塊結(jié)果，并且充分利用塊內(nèi)局部信息和塊間全局信息，根據(jù)每一個分塊結(jié)果構(gòu)建不同的全局和分塊故障診斷模型，提出自適應分塊PCA方法。最后探究該方法在TE過程中的應用，提高了故障檢出率和故障分離的準確性。
　　2、研究動態(tài)

3、時變模型的自適應稀疏化問題。通過將不同的與各自系統(tǒng)運行狀況相關的負荷向量稀疏懲罰項引入原始的PCA的優(yōu)化命題的目標函數(shù)中，構(gòu)建自適應稀疏PCA的優(yōu)化命題，并且提出用于求解該優(yōu)化命題的迭代內(nèi)點算法，得到僅僅包含少量非零元素的稀疏負荷向量。然后，定義QT2和SPE統(tǒng)計量用于故障檢測。如果發(fā)生了故障，則通過選取與故障相關程度大的變量并優(yōu)先對它們進行故障重構(gòu)的方式來實現(xiàn)故障分離。將該自適應稀疏方法應用在TE過程和波形系統(tǒng)的故障檢測與分離中，驗證

4、了方法的有效性。
　　3、探究純數(shù)據(jù)驅(qū)動的復雜動態(tài)系統(tǒng)中過程時變特征的表達和學習問題，并且提出一種基于PCA和時序邏輯的多層故障檢測與識別框架。利用時序邏輯以自然語言的形式表達系統(tǒng)中過程變量層、PCA所選取的主元層和監(jiān)控統(tǒng)計量層的過程時變特征。提出一種新的分段線性擬合算法，用于統(tǒng)計學習時序邏輯公式。然后，在系統(tǒng)正常和故障運行狀況下，分別創(chuàng)建正常和故障時序邏輯庫。通過檢查系統(tǒng)當前行為是否滿足正常庫中的時序邏輯公式來在線監(jiān)測是否發(fā)生故