基于多塊核主元分析和概率符號(hào)有向圖的故障診斷方法研究.pdf

1、故障診斷是工業(yè)生產(chǎn)特別是流程工業(yè)中的一個(gè)重要問題，在過去的幾十年中有大量致力于這方面的研究。基于符號(hào)有向圖(SignedDirected Graph，SDG)模型的故障診斷方法，由于具有表達(dá)復(fù)雜因果關(guān)系和包容大規(guī)模潛在信息的能力，完備性好、適應(yīng)性強(qiáng)，同時(shí)可提供故障傳播路徑和演變解釋，得到了學(xué)者們的廣泛關(guān)注。然而，基于SDG模型的故障診斷方法作為純定性方法存在分辨率低且所建SDG模型精確度、可靠性不高等問題。針對(duì)SDG存在的問題，將傳遞熵

2、、多塊核主元分析(Multiblock Kernel Principal Component Analysis，MBKPCA)、概率論等定量處理方法與SDG相結(jié)合，開展基于SDG的故障診斷方法研究，具有科學(xué)意義和應(yīng)用價(jià)值。論文主要研究工作及創(chuàng)新成果如下:
　　(1)針對(duì)傳統(tǒng)SDG建模方法中過程知識(shí)不完備、錯(cuò)誤以及精確數(shù)學(xué)模型缺失的不足，引入傳遞熵進(jìn)行SDG建模?？紤]到系統(tǒng)中各變量之間的傳遞熵既能量化變量之間的依賴性，又能測(cè)量變量之

3、間的方向性，充分利用過程歷史數(shù)據(jù)，基于傳遞熵構(gòu)建變量節(jié)點(diǎn)鏈模型，實(shí)現(xiàn)SDG建模，從而提高SDG建模的準(zhǔn)確性和可靠性。
　　(2)針對(duì)大規(guī)模工業(yè)過程變量之間關(guān)系復(fù)雜，故障難確定難診斷的特點(diǎn)，提出一種基于MBKPCA和SDG的故障診斷方法。首先，提出基于SDG和優(yōu)先級(jí)的分塊策略，以強(qiáng)連通元SCC為最高優(yōu)先級(jí)、多入\出度節(jié)點(diǎn)群為次高優(yōu)先級(jí)、節(jié)點(diǎn)鏈為最低優(yōu)先級(jí)對(duì)過程進(jìn)行分塊;在此基礎(chǔ)上，采用MBKPCA進(jìn)行過程監(jiān)控，對(duì)于檢測(cè)到的故障，先確

4、定故障發(fā)生在哪一個(gè)數(shù)據(jù)塊，再觸發(fā)SDG在故障塊內(nèi)完成故障定位。所提方法克服了MBKPCA故障隔離不完全和SDG推理過程中組合爆炸的缺點(diǎn)，可提高復(fù)雜工業(yè)過程故障診斷的準(zhǔn)確度與速度。
　　(3)對(duì)于存在正反饋回路而無(wú)法使用上述方法實(shí)現(xiàn)故障完全隔離的特殊情況，進(jìn)一步提出改進(jìn)的概率符號(hào)有向圖(Probabilistic SignedDigraph，PSDG)方法，提出新的環(huán)狀結(jié)構(gòu)打開方法并確定打開后的支路概率，根據(jù)計(jì)算出的后驗(yàn)概率對(duì)可能的