基于KPCA-FCM的工業(yè)過(guò)程故障檢測(cè)與診斷.pdf

1、有效的工業(yè)過(guò)程故障診斷方法，不僅能夠在第一時(shí)間對(duì)出現(xiàn)的故障進(jìn)行識(shí)別和處理，避免可能出現(xiàn)的危險(xiǎn)，同時(shí)也要對(duì)故障的類(lèi)型和原因進(jìn)行診斷，以有效對(duì)故障進(jìn)行預(yù)防。
　　但是，由于實(shí)際情況受多因素影響，不易通過(guò)過(guò)程的數(shù)學(xué)模型進(jìn)行故障診斷。數(shù)據(jù)驅(qū)動(dòng)是建立在數(shù)據(jù)分析的基礎(chǔ)上，通過(guò)運(yùn)行過(guò)程中記錄的大量有用的信息進(jìn)行挖掘，從中獲得所需要的信息和知識(shí)的過(guò)程，具有更加實(shí)際的意義。本文研究采用無(wú)監(jiān)督的多元統(tǒng)計(jì)分析方法及聚類(lèi)算法，簡(jiǎn)單高效地處理工業(yè)過(guò)程中的故

2、障檢測(cè)和診斷問(wèn)題，論文的主要內(nèi)容包括:
　　首先，分別對(duì)核主元分析KPCA和模糊C均值聚類(lèi)FCM算法進(jìn)行了詳細(xì)分析，進(jìn)一步將KPCA與FCM進(jìn)行了結(jié)合，提出了一類(lèi)基于KPCA的FCM聚類(lèi)方法。
　　其次，將所提出的方法應(yīng)用于工業(yè)過(guò)程故障診斷問(wèn)題。核主元分析(KPCA)算法通過(guò)映射將數(shù)據(jù)從輸入空間映射到高維特征空間，從而對(duì)數(shù)據(jù)進(jìn)行特征提取，有效降低數(shù)據(jù)維度和提高處理效率。同時(shí)可通過(guò)KPCA結(jié)合T2和SPE兩個(gè)統(tǒng)計(jì)量進(jìn)行實(shí)時(shí)的故