收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于时序数据的设备故障检测与故障因子分析方法研究

关凤伟  
【摘要】:工业生产过程中由于设备故障造成停工,会产生大量的经济损失。伴随着工业4.0的深入推进和物联网技术的不断发展,重要工业设备的检测与维护数据被不断收集存储,这些监测数据中包含了大量的故障信息,为故障检测和故障的因子分析提供了数据准备。运用数据挖掘技术对设备故障进行检测,有利于提早发现故障,避免故障扩大造成更严重的损失。在设备故障检测的基础上进一步分析挖掘故障因子并且找到设备故障的原因,不仅可以指导工业设备科学的使用与维护,而且可以根据故障因子调整检修方案来减少事故发生。本文通过基于数据驱动的故障检测与因子分析模型,为设备维护与精确检测故障提供有效的科学理论保障。针对工业设备时序数据特点与故障检测与因子分析的应用需求,本文提出了一套工业设备时序数据特征工程的完整流程,特征工程包括了时序数据缺失、时序数据聚合与特征提取、时序数据标准化以及样本不均衡等问题的解决策略。同时针对工业故障检测中多分类的需求,提出了一种基于有向无环图(DAG)的集成多分类模型,通过减少基础的分类器个数提高故障检测效率。本文提出用随机森林模型对故障进行检测,结合相关性分析挖掘故障因子进行故障单因子分析。为了分析故障因子之间的关联关系,本文提出了一种权重关联规则分类算法(WCBA)的故障因子关联性分析方法,通过WCBA模型对设备故障进行检测,用分类规则前置项中分析故障原因之间的关联关系。最后通过实验验证了上述模型不仅仅能够有较好的故障检测准确率,而且能够进行故障的单因子分析与故障的因子相关性分析,为故障的检修与日常故障防护提供理论支持。本文将时序数据挖掘技术应用到工业设备故障检测与因子分析中,从设备监测时序数据入手构建故障检测模型并进行故障因子分析,目的是提高故障检测准确性,改善故障因子分析严重依赖专业知识的情况。本文的研究还存在不足之处,本文提出的模型是基于轻量级数据的,并没有考虑高并发大数据的因素;而且故障因子的背后物理意义解释性稍差。因此未来的工作是研究在高并发大数据集的前提下进行故障检测与因子分析,并且进一步提高模型的效率和可解释性。


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 杨先辉;基于SDN架构的控制层故障检测及恢复算法研究[D];重庆邮电大学;2019年
2 刘文静;支持向量数据描述在工业过程故障检测中的应用研究[D];沈阳化工大学;2019年
3 王鑫;基于数据驱动的工业过程故障检测与定位算法[D];沈阳化工大学;2019年
4 宋新建;基于核可预测元分析的非线性故障检测与辨识[D];上海交通大学;2017年
5 陆诗敏;一类扇区非线性网络控制系统的故障检测研究[D];广东工业大学;2019年
6 关凤伟;基于时序数据的设备故障检测与故障因子分析方法研究[D];广东工业大学;2019年
7 张芷瑜;基于多元统计分析的故障检测在化工过程中的应用[D];辽宁石油化工大学;2019年
8 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
9 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
10 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
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