收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于局部特征强化的过程监测方法研究

李楠  
【摘要】:本文主要的研究工作是建立在对现有多变量统计过程监测方法进行仔细深入分析的基础之上的。针对现有方法存在的缺点和不足,本文基于局部特征强化对多变量统计过程监测方法进行了以下几个方面的研究:1.基于非负矩阵分解的局部(部分)组成特征强化及故障检测非负矩阵分解(Nonnegative Matrix Factorization,NMF)是一种基于“局部(部分)构成整体”思想的特征提取方法,能够产生基于局部(部分)的数据表示。与基于整体的方法相比,NMF能够很好地反映数据或被研究对象内在隐含的组成结构特征,并且还可以避免引入过多无关的信息,抑制许多外界不利的影响。在基于NMF的故障检测研究中,本文首先从两个方面改进了NMF不具有良好统计特性的缺点,然后分别验证了各自的故障检测效果。(1)本文对NMF的第一项改进是使得NMF能够具有一定的保持数据方差信息的能力。为了实现这一目的,本文提出了一种基于方差保持正则项的方差保持非负矩阵分解(Variance-preserved Nonnegative Matrix Factorization,VNMF)模型,给出了求解该模型的数值迭代算法,并通过给出的定理与证明说明了该算法的有效性。基于此模型,本文设计了相应的故障检测策略,仿真实验的结果证明了VNMF在多变量过程监测中的性能。(2)本文对NMF的另外一项改进是使得NMF能够在一定程度上降低低维数据变量之间的相关性。为了实现这一目标,本文提出了一种低相关非负矩阵分解(Low-correlated NMF,LNMF)的模型。该模型利用本文设计的一种名为非负矩阵欠近似(Nonnegative Matrix Underapproximation,NMU)的低秩近似分解算法来求解非负矩阵分解问题。实验结果表明LNMF不仅可以使低维数据的变量之间始终具有比较低的相关性,而且还可以使分解得到基矩阵具有更高的正交性和稀疏性。基于此模型,本文也设计了相应的故障检测策略,仿真结果证明了低相关LNMF在多变量监测中的性能,也进一步说明了NMF用于过程监测的可行性。2.基于集成核方法的局部非线性特征强化及过程监测现有基于核方法的过程监测方法存在一定的“局部特征”问题,即单一的核函数模型并不能较为全面地揭示所关心的非线性特征。针对这一问题,本文以KPCA作为研究特例,将集成学习方法和贝叶斯推理策略与基于KPCA的过程监测方法结合到了一起。首先利用集成学习的思想,选取一系列高斯核函数训练得到多个KPCA模型,然后在实时监测的时候将传统的监测结果转化成故障后验概率,最后通过一种能够强化报警模型结果的加权策略将多个模型的结果合成一个最终的结果。这样做带来的好处是监测性能不仅对核参数的选择更鲁棒,而且还能够在某些情况下显著地提升基于核方法的非线性过程监测方法的性能,仿真实验的结果充分证明了这一点。3.基于空间-统计局部方法的空间局部特征强化及过程监测现有的基于流形学习的过程监测方法并没有充分利用新数据的局部信息而且还不能对数据局部结构特征的变化进行检测。为了处理这些问题,本文以邻域保持映射(Neighborhood preserving embedding,NPE)作为研究特例,提出一种新的基于流形学习的过程监测方案,把统计局部方法(Statistical local approach,SLA)结合到了NPE中。该方案不仅继承了NPE发掘数据局部结构的能力,而且能够通过检测新数据的局部邻域信息的变化实现在线故障检测。此外,统计局部方法的引入使得我们不需要对数据分布做任何的假设,因为新构造的监测数据总是十分近似地服从多变量高斯分布。于是监测统计量的控制限可以很容易地用~2?或F分布计算得到,另外,该方案还可以显著地提升故障检测的灵敏度,因为其本身具有类似于累积和的某些性质。最后,仿真实验的结果充分证明了该方法的良好性能。


知网文化
【相似文献】
中国期刊全文数据库 前20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
11 张卫华;王春利;李传坤;陶少辉;;基于主元分析的延迟焦化过程连续故障检测策略[J];化工自动化及仪表;2012年02期
12 田光辉;;电控车故障检测法新思路[J];山东农机化;2009年01期
13 李志生;张国强;刘建龙;李冬梅;王晓霞;;基于模糊推理系统的制冷机组故障检测与诊断[J];制冷与空调;2007年02期
14 陈启智;液体火箭发动机故障检测与诊断研究的若干进展[J];宇航学报;2003年01期
15 杨天奇;基于神经网络自适应滤波器的故障检测与诊断[J];数据采集与处理;2000年01期
16 叶银忠;潘日芳;刘鸿强;;动态系统传感器故障检测问题的研究[J];炼油化工自动化;1987年04期
17 江涌,夏国洪;故障检测与分离的广义一致性算子法[J];宇航学报;1988年01期
18 叶银忠;潘日芳;蒋慰孙;;过程系统的在线故障检测、诊断和预报技术(二) 第二讲 生产过程的在线故障检测与诊断方法:原理及应用[J];化工自动化及仪表;1988年03期
19 叶银忠;潘日芳;蒋慰孙;;过程控制系统的在线故障检测、诊断和预报技术(三)[J];化工自动化及仪表;1988年04期
20 叶银忠;潘日芳;蒋慰孙;;过程系统的在线故障检测、诊断和预报技术(一)[J];化工自动化及仪表;1988年02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
中国博士学位论文全文数据库 前10条
1 李楠;基于局部特征强化的过程监测方法研究[D];上海交通大学;2016年
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 宋凯;基于PLS的统计质量监控研究与应用[D];浙江大学;2005年
中国硕士学位论文全文数据库 前10条
1 尹琦;飞机导线故障检测与定位系统设计[D];电子科技大学;2019年
2 余绍斌;基于KECA-ELM的冷水机组故障检测与诊断研究[D];杭州电子科技大学;2019年
3 李铭璐;基于深度学习的风机叶片覆冰故障检测方法研究[D];华中科技大学;2019年
4 齐东升;基于容错关联规则的CPS故障检测研究[D];桂林电子科技大学;2019年
5 李尚霖;基于事件触发机制的网络化系统鲁棒故障检测[D];江南大学;2019年
6 周程;飞行器组合导航系统故障检测及滤波响应量化研究[D];电子科技大学;2019年
7 檀磊;工业过程故障检测自适应流形学习算法研究及应用[D];云南大学;2018年
8 郭成成;正Markov跳变系统的故障检测[D];曲阜师范大学;2019年
9 刘晓舟;无线传感器网络故障检测算法的研究[D];安徽理工大学;2019年
10 刘默;离散随机系统的故障检测与容错控制[D];辽宁石油化工大学;2019年
中国重要报纸全文数据库 前10条
1 徐镇 李珏宏;故障检测告别“停车在库”模式[N];解放军报;2019年
2 上海 徐亚东;ADSL故障检测利器[N];电脑报;2004年
3 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
4 陈代寿;BFD高速路由故障检测[N];中国计算机报;2005年
5 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
6 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
7 成都 史为 编译;有线电视用户线故障检测法[N];电子报;2013年
8 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
9 宇航智控;预测与健康管理(PHM)技术[N];中国航空报;2018年
10 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
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978