基于改進(jìn)的KICA與FDA工業(yè)過(guò)程故障診斷方法的研究.pdf

1、現(xiàn)代流程工業(yè)具有大型化、連續(xù)化、智能化、重載化、高速化等特點(diǎn)，一旦故障發(fā)生，將會(huì)造成人員和財(cái)產(chǎn)的巨大損失，所以將故障診斷方法做為研究課題，具有重要意義和實(shí)際價(jià)值。針對(duì)流程工業(yè)對(duì)象的特點(diǎn)，本文以田納西-伊斯曼過(guò)程(Tennessee-Eastman Process，簡(jiǎn)稱TEP)為背景，以核獨(dú)立成分分析方法(KICA)和Fisher辨別式分析(FDA)為基礎(chǔ)，實(shí)現(xiàn)對(duì)該過(guò)程進(jìn)行故障檢測(cè)和診斷的目的。本文所作的主要工作如下:
　　(1)詳

2、細(xì)介紹了故障診斷方法的概念，任務(wù)及過(guò)程。闡述了故障診斷方法的研究現(xiàn)狀，并從定量分析和定性分析角度出發(fā)，研究故障診斷方法的分類;
　　(2)研究了獨(dú)立成分分析(ICA)及核獨(dú)立成分分析方法(KICA)原理及其多元統(tǒng)計(jì)故障檢測(cè)方法在TEP中的應(yīng)用。將兩種檢測(cè)方法應(yīng)用在TEP中，得出基于KICA的多元統(tǒng)計(jì)故障檢測(cè)方法性能優(yōu)于ICA;
　　(3)對(duì)KICA故障檢測(cè)方法進(jìn)行了改進(jìn)。本文將特征向量提取(FVS)和KICA相結(jié)合，提出了一

3、種基于FVS的KICA故障檢測(cè)方法，該方法首先利用FVS尋找一個(gè)樣本子集，此子集在特征空間F中的映射能夠充分表明全部樣本數(shù)據(jù)的映射，然后再進(jìn)行KICA運(yùn)算。當(dāng)樣本個(gè)數(shù)很大時(shí)，降低了KICA的計(jì)算量，縮短了計(jì)算時(shí)間。通過(guò)對(duì)TEP的典型故障仿真研究，驗(yàn)證了提出方法的有效性;
　　(4)對(duì)FDA故障診斷方法進(jìn)行改進(jìn)，提出了一種基于KICA-FDA的故障診斷方法。該方法首先通過(guò)KICA提取統(tǒng)計(jì)獨(dú)立的關(guān)鍵變量，然后利用提取的關(guān)鍵變量建立FD