基于近鄰規(guī)則的間歇過程故障檢測(cè)算法研究.pdf

1、間歇過程作為現(xiàn)代工業(yè)中的一種重要生產(chǎn)方式，被廣泛應(yīng)用于高附加值，高精細(xì)產(chǎn)品的生產(chǎn)和加工中，其安全可靠運(yùn)行日益成為人們關(guān)注的焦點(diǎn)，隨著間歇過程故障檢測(cè)準(zhǔn)確性的不斷提高，故障檢測(cè)的實(shí)時(shí)性成為目前的研究熱點(diǎn)。本文以基于KNN的間歇過程故障檢測(cè)方法（FD-KNN）為研究課題，以間歇過程故障檢測(cè)實(shí)時(shí)性的優(yōu)化為研究目標(biāo)，開展了以下研究工作，主要研究內(nèi)容分為三部分。
　　針對(duì)間歇過程廣泛存在的批次數(shù)據(jù)不等長的問題，研究以 DTW（動(dòng)態(tài)時(shí)間規(guī)整）

2、方法為基礎(chǔ)的軌跡同步方法。為改善DTW算法在高維數(shù)據(jù)處理中的速度，本文提出了采用平行四邊形窗對(duì)DTW搜索路徑進(jìn)行約束優(yōu)化策略，大大提高了同步速度，并采用TE過程數(shù)據(jù)進(jìn)行相應(yīng)仿真實(shí)驗(yàn)，驗(yàn)證了算法的有效性。
　　在FD-KNN方法的基礎(chǔ)上，針對(duì)間歇過程數(shù)據(jù)的非線性特點(diǎn)，研究了基于Kernel-KNN的故障檢測(cè)方法。通過引入核函數(shù)思想對(duì)基于傳統(tǒng)歐式距離的近鄰方法進(jìn)行改進(jìn)，使正常類樣本與故障類樣本的差異更為顯著，從而提高了故障檢測(cè)準(zhǔn)確率，

3、在TE過程的仿真實(shí)驗(yàn)也驗(yàn)證了該算法的有效性。
　　針對(duì)Kernel-KNN方法在面對(duì)大樣本數(shù)據(jù)或高維數(shù)據(jù)時(shí)計(jì)算量和存儲(chǔ)量很大的缺點(diǎn)，研究了間歇過程快速故障檢測(cè)方法。1）針對(duì)單工況間歇過程，首先采用剪輯近鄰法去除位于訓(xùn)練樣本分類面之間的模糊樣本，然后采用壓縮近鄰法去除位于分類面兩端的冗余樣本，在保留原樣本集大部分特征的基礎(chǔ)上大大精簡了樣本集。在TE過程中的仿真研究結(jié)果表明，基于快速近鄰法的間歇過程故障檢測(cè)方法提高了算法的運(yùn)行效率，同