基于時(shí)間序列暫態(tài)識別的非線性系統(tǒng)故障預(yù)報(bào).pdf

1、本文針對當(dāng)前故障預(yù)報(bào)技術(shù)存在的主要問題及其研究趨勢，借鑒了非線性時(shí)間序列事件預(yù)測的新型方法一時(shí)間序列數(shù)據(jù)挖掘方法中暫態(tài)的思想，提出了一類基于時(shí)間序列暫態(tài)識別的新型故障預(yù)報(bào)方法。全文的主要內(nèi)容如下： 首先，針對非線性系統(tǒng)建模困難以及現(xiàn)有方法過分依賴系統(tǒng)模型的情況，提出一種基于時(shí)間序列數(shù)據(jù)挖掘的故障預(yù)報(bào)新方法。將系統(tǒng)輸出的采樣數(shù)據(jù)看作一個(gè)時(shí)間序列，把故障前兆作為序列中的暫態(tài)模式。利用時(shí)延嵌入的方法重構(gòu)狀態(tài)空間，在狀態(tài)空間中使用遺傳算

2、法搜尋最優(yōu)暫態(tài)束，組成暫態(tài)集。用故障暫態(tài)集對非線性系統(tǒng)的輸出數(shù)據(jù)進(jìn)行監(jiān)測，判斷是否為故障前兆模式，直接實(shí)現(xiàn)故障預(yù)報(bào)。 然后，針對已有方法需要獲取故障先驗(yàn)數(shù)據(jù)或先驗(yàn)知識、實(shí)時(shí)性差等缺點(diǎn)，設(shè)計(jì)了一種基于一類支持向量機(jī)的時(shí)間序列暫態(tài)識別算法，提出了一種無需故障訓(xùn)練數(shù)據(jù)和先驗(yàn)知識的直接故障預(yù)報(bào)方法。在系統(tǒng)運(yùn)行的同時(shí)實(shí)現(xiàn)學(xué)習(xí)和預(yù)報(bào)，提高了預(yù)報(bào)的實(shí)時(shí)性和準(zhǔn)確性。利用該方法在只具有系統(tǒng)正常運(yùn)行數(shù)據(jù)的情況下實(shí)現(xiàn)了故障預(yù)報(bào)。 接著，針對之

3、前方法在線訓(xùn)練速度慢，計(jì)算量大，無法估計(jì)故障時(shí)間等不足，討論了在線最小二乘支持向量回歸算法(LS-SVR)，基于該算法構(gòu)造了一種在線故障暫態(tài)估計(jì)方法。選取一組狀態(tài)特性表征值作為系統(tǒng)初始正常狀態(tài)下的訓(xùn)練值，建立在線LS-SVM回歸模型，根據(jù)LS-SVM回歸輸出值進(jìn)而估計(jì)暫態(tài)，實(shí)現(xiàn)快速故障預(yù)報(bào)。同時(shí)通過最小二乘法擬合暫態(tài)的特性回歸趨勢，得到故障發(fā)生的大概時(shí)間，為以狀態(tài)為基礎(chǔ)的預(yù)測維修提供了條件。 最后利用文中提出的方法對連續(xù)攪拌釜式