基于相關(guān)向量機(jī)的復(fù)雜工業(yè)過(guò)程故障檢測(cè)方法應(yīng)用研究.pdf

1、安全一直都是工業(yè)過(guò)程中的首要考慮因素。工業(yè)過(guò)程中各個(gè)單元與節(jié)點(diǎn)相互之間復(fù)雜的關(guān)系提升了保障系統(tǒng)安全的難度，當(dāng)化工設(shè)備發(fā)生故障時(shí)，如果不能及時(shí)采取措施，就可能會(huì)造成極大的人員傷亡與財(cái)產(chǎn)損失。復(fù)雜工業(yè)過(guò)程難以建立精準(zhǔn)的數(shù)學(xué)模型，因而一些傳統(tǒng)的機(jī)理建模方式就不太適用。隨著計(jì)算機(jī)技術(shù)以及存儲(chǔ)技術(shù)的發(fā)展，工業(yè)過(guò)程的大量數(shù)據(jù)得以保存，這為基于數(shù)據(jù)驅(qū)動(dòng)的故障檢測(cè)方法提供了基礎(chǔ)。本文針對(duì)復(fù)雜工業(yè)過(guò)程開(kāi)展以下故障檢測(cè)應(yīng)用研究:
　　(1)針對(duì)傳統(tǒng)方

2、法中控制限的不合理與高要求選擇，本文引入了分類器的思想，避免了控制限的選擇問(wèn)題，減少了故障檢測(cè)過(guò)程中需要關(guān)注的指標(biāo)的個(gè)數(shù)，提升了故障檢測(cè)的精度。
　　(2)由于工業(yè)過(guò)程數(shù)據(jù)大多不滿足高斯分布，本文提出了ICA-RVM故障檢測(cè)器，避免了傳統(tǒng)ICA方法中核密度估計(jì)方法的計(jì)算缺點(diǎn)，減少了過(guò)程監(jiān)測(cè)指標(biāo)，提升了故障檢測(cè)精度。
　　(3)針對(duì)工業(yè)過(guò)程數(shù)據(jù)中可能存在的高斯信息，本文提出了ICA-PCA-RVM故障檢測(cè)器，用于提取非高斯信息

3、與高斯信息，使用RVM分類器自動(dòng)計(jì)算控制限，減少了操作人員的精力分散，對(duì)故障檢測(cè)精度有了進(jìn)一步的提升。
　　(4)本文提出使用RVM分類器構(gòu)建故障檢測(cè)器，相比于其他的分類器，如SVM分類器，RVM分類器構(gòu)建的故障檢測(cè)器的故障檢測(cè)速度比SVM分類器構(gòu)建的故障檢測(cè)器提升了一個(gè)數(shù)量級(jí)，此外故障檢測(cè)的精度也有所提升。
　　本文的研究結(jié)果表明，ICA-PCA-RVM故障檢測(cè)器能夠迅速、精確地檢測(cè)到故障的發(fā)生，可以輔助操作人員進(jìn)行正確的