基于核慢特征分析算法的故障檢測(cè)與診斷.pdf

1、隨著計(jì)算機(jī)技術(shù)和信息技術(shù)的發(fā)展以及生產(chǎn)規(guī)模的不斷擴(kuò)大，現(xiàn)代工業(yè)控制系統(tǒng)日趨復(fù)雜化、集成化和智能化。工業(yè)過程產(chǎn)生的大量傳感器數(shù)據(jù)被存儲(chǔ)下來，有效地提取出這些數(shù)據(jù)中所蘊(yùn)含的關(guān)于系統(tǒng)運(yùn)行狀況的重要信息以用于過程監(jiān)控，并提高生產(chǎn)效率和品質(zhì)，具有十分重要的意義。近年來基于數(shù)據(jù)驅(qū)動(dòng)的故障檢測(cè)與診斷技術(shù)引起了廣泛的關(guān)注，并已成為過程監(jiān)控領(lǐng)域重要的發(fā)展方向。
　　慢特征分析（SFA）作為一種全新的特征提取和降維方法，能夠從時(shí)序信號(hào)中提取出變化最緩

2、慢的成分，這些成分被稱為慢特征。本質(zhì)上SFA是將輸入的時(shí)序信號(hào)進(jìn)行非線性擴(kuò)展后投射到高維特征空間，在該特征空間中搜尋最佳的線性組合進(jìn)而提取出慢特征。慢特征是從原始輸入信號(hào)中抽象出來的系統(tǒng)信息在高級(jí)層面上的表示，能夠有效表征系統(tǒng)所固有的本質(zhì)屬性，因而SFA具有挖掘工業(yè)過程真實(shí)規(guī)律的潛力。本文將對(duì)SFA用于故障檢測(cè)與診斷領(lǐng)域做出有益的嘗試。
　　本文的主要研究工作具體如下：
　?。?）將SFA這一新穎的特征提取方法引入故障檢測(cè)與

3、診斷領(lǐng)域，以期探尋其應(yīng)用的潛力和價(jià)值。SFA是對(duì)時(shí)序信號(hào)中的不變量進(jìn)行學(xué)習(xí)的方法，不變量學(xué)習(xí)對(duì)于數(shù)據(jù)分析和模式識(shí)別都具有重要的意義。對(duì)于時(shí)序信號(hào)來說，不變量指的是從中抽取出的變化最緩慢的元素，它可以揭示系統(tǒng)的固有性質(zhì)。
　?。?）引入核方法來實(shí)現(xiàn)SFA中的非線性擴(kuò)展得到KSFA，建立了完整的基于KSFA的故障檢測(cè)模型，構(gòu)造了S2統(tǒng)計(jì)量和SPE統(tǒng)計(jì)量。通過在TE過程實(shí)驗(yàn)平臺(tái)上的仿真實(shí)驗(yàn)，證明了KSFA檢測(cè)模型的有效性和可行性。