面向CSTH過程的集合故障診斷方法研究.pdf

1、隨著現(xiàn)代化工業(yè)技術(shù)的發(fā)展，工業(yè)過程發(fā)生故障的類型呈現(xiàn)出多元化、復(fù)雜化的發(fā)展趨勢。如果設(shè)備發(fā)生故障，而無法正確的檢測與診斷出故障來源與類型，將導(dǎo)致整個工業(yè)過程無法正常進(jìn)行，從而嚴(yán)重影響工業(yè)過程的生產(chǎn)效率和經(jīng)濟效益。鑒于此，對工業(yè)過程進(jìn)行及時、有效的故障監(jiān)測與診斷顯得尤為重要。為了提高故障診斷的快速性、準(zhǔn)確性等性能，本文提出了一種基于變分模態(tài)分解(VMD)-改進(jìn)的模糊C均值(IFCM)-即時學(xué)習(xí)(JITL)-遞推最小二乘支持向量機(RLSS

2、VM)的集合型故障診斷方法。
　　從工業(yè)現(xiàn)場采集來的數(shù)據(jù)由于外界因素或者設(shè)備本身的因素往往含有大量噪聲，因此對采集到的數(shù)據(jù)進(jìn)行去噪處理是必不可少的。本文利用了VMD方法對數(shù)據(jù)進(jìn)行去噪處理，它相對于傳統(tǒng)算法具有魯棒性強、采樣效應(yīng)小等優(yōu)點。它將數(shù)據(jù)分解為一個個的獨立分量，通過獨立成分得到去噪后的數(shù)據(jù)。在模態(tài)識別方面，為了有效的辨識出發(fā)生故障的模態(tài)屬于哪個工況，本文采用了 IFCM方法進(jìn)行了模態(tài)區(qū)分。為了及時有效的建立模型并適應(yīng)工況的變