收藏本站
《兰州理工大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于邻域保持嵌入的复杂过程故障检测研究

惠永永  
【摘要】:随着现代工业向着复杂化、智能化、数字化的发展,对产品质量和生产安全可靠运行的要求不断攀升,保证过程的生产安全和提高产品质量是现代工业面临的挑战。由于分布式控制系统的广泛运用和计算机技术的快速发展,使得采集和存储了大量反映过程运行状态和产品质量的数据,为此基于多元统计的过程监测方法得到迅速地发展。传统的多元统计方法假设过程不受噪声和离群点的影响、呈现静态、工况单一、变量间满足线性关系等。但是,随着工业过程的复杂化和大规模化,过程数据不满足上述假设。本文基于邻域保持嵌入算法,针对复杂过程的规模大、多操作单元、非线性、动态性、多分布等特点,以及故障特征增强与噪声抑制问题,分析其过程特点并结合信息提取策略,提出了相应的改进算法实现过程故障检测。主要研究内容如下:(1)由于邻域保持嵌入(Neighborhood Preserving Embedding,NPE)算法易受噪声和离群点的干扰,在保持局部特征时没有考虑邻域内元素的距离特性,因此提出了一种基于稀疏加权邻域保持嵌入(Sparse Weighted Neighborhood Preserving Embedding,SWNPE)的故障检测算法。在近邻内求取最优稀疏表示,去除噪声和离群点的同时避免全局最优带来的计算困难。由于近邻的求取过程中没有考虑邻域内元素距离值的影响,距离较近的邻域点比较远的邻域点对局部结构表征更重要,因此为了充分地提取近邻结构,在计算局部最优稀疏表示时按照邻域内元素间的距离大小赋予不同的权值,建立一个增强的目标函数来求取局部稀疏结构。通过数值仿真过程和Tennessee Eastman(TE)测试平台验证了所提算法在大规模复杂过程故障检测中的效果。(2)针对复杂过程的非线性和动态特征,提出了一种基于稀疏表示保持嵌入的极限学习机(Sparse Representation Preserving Embedding Extreme Learning Machine,SRPE-ELM)非线性动态过程故障检测算法。在继承非监督极限学习机快速提取过程数据非线性流形结构的基础上,引入稀疏表示保持嵌入来去除噪声,并构造具有数据自适应的邻接图以避免对邻域参数的选择,从而自适应地提取过程数据的动态结构。将所提算法用于数值仿真系统和TE过程验证了其在非线性动态过程中的故障检测效果。(3)为了充分提取非线性动态间歇过程的全局局部特征,提出了一种多向动态非线性全局邻域保持嵌入(Multiway Dynamic Nonlinear Global Neighborhood Preserving Embedding,MDNGNPE)算法。首先,使用时滞窗来去除过程变量在时间序列上的自相关性;然后,通过构造多项式投影来消除过程变量的非线性,避免不必要的冗余并减小计算复杂度;最后,通过全局邻域保持嵌入(Global Neighborhood Preserving Embedding,GNPE)算法在降维过程中保持原始数据的全局局部结构。与基于核投影处理非线性的方法不同,MDNGNPE在解决过程数据非线性特性的同时考虑了物理条件的限制,并在降维过程中保持了数据的全局与局部结构。在数值仿真过程和青霉素发酵过程中验证了其对非线性动态间歇过程故障检测的有效性。(4)针对间歇过程的多阶段和特征提取问题,提出了一种基于多向加权全局邻域保持嵌入(Multiway Weighted Global Neighborhood Preserving Embedding,MWGNPE)的多阶段间歇过程故障检测算法。首先,对于间歇过程的多阶段特性,通过高斯混合模型的聚类特性进行阶段的划分;然后,对已经划分的多个阶段,使用GNPE算法提取全局局部特征;最后,利用高斯混合模型的概率密度估计特性,对提取的全局局部特征进行概率密度估计,构造加权矩阵来增强有用信息并抑制噪声。该方法能够有效地捕获隐藏在过程数据中的故障信息。通过数值仿真过程和青霉素发酵过程验证了该算法在多阶段间歇过程故障检测中的效果。(5)针对间歇过程变量间存在的相互关联或者相互独立的特性,提出了一种基于加权全局邻域保持嵌入(Weighted Global Neighborhood Preserving Embedding,WGNPE)和贪婪支持向量数据描述(Greedy Support Vector Data Description,GSVDD)的间歇过程故障检测算法。首先,使用互信息将过程变量划分为相关变量与独立变量;其次,通过WGNPE算法来充分提取相关变量的全局局部结构并凸显故障信息;然后,对于独立变量,使用GSVDD算法来快速有效地提取独立变量的过程信息;最后,分别在相关变量空间和独立变量空间建立统计模型,实现过程故障检测。传统的过程故障检测算法通常对过程变量按照相关或者独立关系进行单一模型的统计分析,并且在特征提取时没有充分考虑表征故障的特征信息。因此该算法针对过程变量的相关和独立特性分别建立相对应的统计模型用于故障检测,保持WGNPE和GSVDD算法优点的同时去除了一些无关变量的干扰。在青霉素发酵过程中验证了所提算法的可行性和有效性。
【学位授予单位】:兰州理工大学
【学位级别】:博士
【学位授予年份】:2019
【分类号】:TP277

【相似文献】
中国期刊全文数据库 前10条
1 任仁良;袁鹏;;航空锂电池故障检测与诊断[J];电源技术;2018年12期
2 张京;;故障检测技术在电子电路的研究[J];通讯世界;2017年03期
3 冯珊珊;;刍议数字电路在线故障检测技术[J];信息通信;2015年12期
4 郭瞻;洪超;;在《汽车故障检测与维修》中应用思维导图教学法的研究[J];科技风;2016年08期
5 李景林;;大数据环境下的网格动态故障检测研究[J];计算机应用与软件;2016年06期
6 刘杰;;关于暖通空调系统故障检测与诊断技术研究进展[J];企业导报;2016年19期
7 王毅敏;;基于高服务质量的云网络故障检测方案分析[J];信息通信;2015年10期
8 黄晓桃;;电子电路故障检测技术与方法[J];数码世界;2017年08期
9 韩琦;魏东;曹勇;;暖通空调系统故障检测与诊断技术研究进展[J];暖通空调;2014年03期
10 侯燕;;基于神经网络的计算机网络故障检测[J];煤炭技术;2012年04期
中国重要会议论文全文数据库 前10条
1 赵琦;周东华;;闭环系统的小故障检测与分离方法[A];第十九届中国控制会议论文集(二)[C];2000年
2 徐子伟;张陈斌;陈宗海;;基于数据驱动的故障检测和诊断方法概述[A];系统仿真技术及其应用(第16卷)[C];2015年
3 魏运鹏;;红外检测技术在梅钢设备热故障检测中的应用[A];中国计量协会冶金分会2009年年会论文集[C];2009年
4 纪志成;苏晓丹;;一类线性时变系统的故障检测和分析方法研究[A];2007中国控制与决策学术年会论文集[C];2007年
5 李福明;段广仁;;一种鲁棒故障检测与分离的参数化方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
6 周东华;;一种工业异步电机的在线故障检测与诊断新方法[A];1994年中国控制会议论文集[C];1994年
7 王委斌;;牵引电机状态修及故障检测[A];2005年铁道牵引动力学术年会论文集[C];2005年
8 葛彤;邓建华;;复杂动态系统故障检测与诊断的层次递进方法[A];1996中国控制与决策学术年会论文集[C];1996年
9 魏晨;陈宗基;;非线性系统的鲁棒故障检测与诊断[A];第十九届中国控制会议论文集(二)[C];2000年
10 王洪江;孙保民;田进步;;一种图形化的故障检测和诊断方法[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(上册)[C];2008年
中国重要报纸全文数据库 前10条
1 上海 徐亚东;ADSL故障检测利器[N];电脑报;2004年
2 王政;湖北移动网络故障检测能力成倍提升[N];人民邮电;2015年
3 陈代寿;BFD高速路由故障检测[N];中国计算机报;2005年
4 记者 薛贵宝 通讯员 桂九宏;假故障检测“大车”真功夫[N];人民铁道;2009年
5 海南 李平胜;电脑花样缝纫机漏气故障检测1例[N];电子报;2016年
6 成都 史为 编译;有线电视用户线故障检测法[N];电子报;2013年
7 暴青雨 本报特约通讯员 赵彦斌;为了战时能打赢[N];解放军报;2011年
8 宇航智控;预测与健康管理(PHM)技术[N];中国航空报;2018年
9 吉林 孙德印;飞利浦20GX8552/57R彩电保护电路原理与故障检测[N];电子报;2009年
10 迟中基;亟待建立手机故障检测鉴定机构[N];中国消费者报;2004年
中国博士学位论文全文数据库 前10条
1 韩克镇;基于LMI的鲁棒滤波和记忆调度故障检测优化设计[D];东北大学;2017年
2 惠永永;基于邻域保持嵌入的复杂过程故障检测研究[D];兰州理工大学;2019年
3 周萌;基于多目标观测器设计的故障检测与分离[D];哈尔滨工业大学;2018年
4 王艳芹;网络环境下离散随机系统故障检测及应用研究[D];东北石油大学;2017年
5 王世林;基于多元统计分析的工业过程故障检测研究[D];华北电力大学(北京);2018年
6 段超群;基于退化特征的隐状态装备故障检测策略优化及健康预测[D];华中科技大学;2018年
7 蒋立;基于自编码器模型的非线性过程监测[D];浙江大学;2018年
8 潘怡君;基于鲁棒主元分析方法的大型高炉故障检测研究[D];浙江大学;2018年
9 宋凯;基于PLS的统计质量监控研究与应用[D];浙江大学;2005年
10 王红茹;动态系统的鲁棒故障检测与分离方法研究[D];哈尔滨工业大学;2006年
中国硕士学位论文全文数据库 前10条
1 赵松波;基于改进优化算法的液体火箭发动机故障检测与诊断研究[D];天津理工大学;2019年
2 盛仕杰;基于MCSA的风电机组故障检测与诊断技术研究[D];上海电机学院;2019年
3 胡昭中;回转窑主要故障检测中的信号处理研究[D];武汉理工大学;2018年
4 周剑飞;基于深度学习的设备异常检测方法研究[D];北方工业大学;2019年
5 吴婷;减震器测试系统的控制与故障检测[D];中国石油大学(华东);2017年
6 唐新飞;船用柴油机故障检测与诊断方法研究[D];武汉理工大学;2018年
7 易维淋;基于极限学习机的工业过程故障检测与诊断方法研究[D];中国石油大学(华东);2017年
8 梁雨箫;变风量空调系统空气处理机组故障检测与诊断[D];长安大学;2018年
9 栾悦祎;带补偿电容器的停电线路有源故障检测技术[D];山东大学;2018年
10 张木柳;基于航拍图像的输电线路关键部件识别与故障检测[D];华北电力大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026