基于廣義非負(fù)矩陣投影算法的故障檢測(cè)與診斷研究.pdf

1、在日趨復(fù)雜的工業(yè)過(guò)程中,為了保障設(shè)備的安全運(yùn)行,提高生產(chǎn)效率,改善產(chǎn)品質(zhì)量,特別是盡可能避免災(zāi)難性事故的發(fā)生,對(duì)過(guò)程狀態(tài)進(jìn)行故障檢測(cè)與診斷(FDD)是十分必要的。同時(shí),由于計(jì)算機(jī)集散控制系統(tǒng)的應(yīng)用和發(fā)展,工業(yè)過(guò)程中會(huì)不斷有大量的測(cè)量數(shù)據(jù)儲(chǔ)存在歷史數(shù)據(jù)庫(kù)中。如果能夠有效的利用這些海量數(shù)據(jù),從中挖掘出能夠反映系統(tǒng)狀態(tài)的隱含信息,就可以建立良好的故障檢測(cè)與診斷模型。這種基于數(shù)據(jù)的故障檢測(cè)與診斷方法已經(jīng)成為當(dāng)前的一個(gè)研究熱點(diǎn)。
　　作為一

2、種新興的多元統(tǒng)計(jì)分析方法,非負(fù)矩陣分解(NMF)在智能信息處理研究領(lǐng)域具有十分重要的應(yīng)用意義。由于在機(jī)理上具有隱變量的正向純加性的特點(diǎn), NMF方法在實(shí)現(xiàn)數(shù)據(jù)壓縮(或曰維數(shù)約簡(jiǎn))時(shí),能夠基于數(shù)據(jù)的局部特征來(lái)描述數(shù)據(jù)的信息,因而表現(xiàn)出了比傳統(tǒng)的方法如主元分析(PCA)等更好的數(shù)據(jù)解釋能力。
　　鑒于NMF方法具有重要的研究和應(yīng)用價(jià)值,本文旨在探討將其應(yīng)用到FDD新方法的研究之中。首先,考慮到 FDD領(lǐng)域的特點(diǎn)和要求,本文提出一種廣義

3、非負(fù)矩陣投影(GNMP)算法作為處理過(guò)程數(shù)據(jù)的核心算法。然后,本文基于GNMP算法研究提出一類 FDD新模型;進(jìn)而對(duì)該模型在增強(qiáng)魯棒性、增加自適應(yīng)特性以及引入類別信息的監(jiān)督機(jī)制等方面來(lái)進(jìn)行擴(kuò)展。
　　具體來(lái)說(shuō),本文的主要工作和貢獻(xiàn)體現(xiàn)在以下幾個(gè)方面:
　　(1)在現(xiàn)有NMF理論和方法的基礎(chǔ)上,提出一種嵌入線性投影的NMF新方法——廣義非負(fù)矩陣投影(GNMP)算法。該方法放寬了原始數(shù)據(jù)的非負(fù)條件,分解得到的基矩陣具有更好的稀疏

4、性和正交性,并且該方法的乘性迭代規(guī)則具有理論上的收斂性。
　　(2)考慮過(guò)程數(shù)據(jù)的非高斯性,建立基于GNMP算法的故障檢測(cè)與診斷模型:提出兩個(gè)適合 GNMP模型的監(jiān)控統(tǒng)計(jì)量——N2和SPE;然后采用核密度估計(jì)方法來(lái)確定統(tǒng)計(jì)量的控制限,以用來(lái)在線檢測(cè)過(guò)程的異常情況;另外,為了診斷故障的位置,還設(shè)計(jì)了針對(duì)GNMP的貢獻(xiàn)圖方法。
　　(3)研究加強(qiáng)GNMP模型的魯棒性來(lái)解決復(fù)雜工況中出現(xiàn)的數(shù)據(jù)缺失現(xiàn)象,具體為在GNMP算法的基礎(chǔ)上

5、融入EM算法的思想,提出一種處理不完整數(shù)據(jù)的新算法,該方法可以在分解原始數(shù)據(jù)空間的過(guò)程中,將丟失的數(shù)值估計(jì)出來(lái),進(jìn)而建立數(shù)據(jù)缺失情況下的魯棒故障檢測(cè)與診斷模型。
　　(4)針對(duì)復(fù)雜工況中出現(xiàn)的時(shí)變性問(wèn)題,研究對(duì)GNMP模型增加自適應(yīng)特性的方法,具體為在GNMP算法的基礎(chǔ)上結(jié)合移動(dòng)窗技術(shù),本文提出一種基于MWGNMP的自適應(yīng)故障檢測(cè)與診斷方法。該方法可以在過(guò)程的穩(wěn)態(tài)發(fā)生變化的時(shí)候,自適應(yīng)地更新故障檢測(cè)與診斷的模型,使得該過(guò)程仍然保持