基于k近鄰的復雜工業(yè)過程故障診斷方法研究.pdf

1、保證現(xiàn)代復雜工業(yè)過程安全且有效地運行對于提高產品質量至關重要，故障診斷技術是提升控制系統(tǒng)可靠性、安全性，保證過程穩(wěn)定運行的有效手段之一。隨著信息技術的發(fā)展，數據采集和存儲成本降低，工業(yè)過程積累了海量的數據，促使基于數據驅動的故障診斷方法在近二十多年中取得了長足發(fā)展，其中多變量統(tǒng)計過程監(jiān)控方法成為研究熱點之一，產生了許多理論研究成果，也得到了廣泛的應用。
　　傳統(tǒng)的多變量統(tǒng)計過程監(jiān)控方法假設過程數據采集自穩(wěn)定的單一工況、服從高斯分布

2、、變量之間滿足線性關系等。但是，隨著工業(yè)過程的復雜化，所獲得的過程測量數據常常不滿足上述假設。面對復雜的工況過程，本文以經典的k近鄰規(guī)則為主要方法，開展基于k近鄰方法的故障檢測、故障隔離和故障重構等問題的研究。全文的主要研究內容如下:
　　(1)針對過程數據分布復雜且變量維數較高時的故障檢測問題，提出利用隨機投影和k近鄰相結合的快速故障檢測方法，該方法首先利用隨機投影對數據進行降維處理，相較于PCA(Principle Compo

3、nent Analysis)降維方法，隨機投影能夠在降維的同時保持樣本之間的距離近似不變，可以與k近鄰檢測算法很好地結合，不但能夠降低計算復雜度，同時在隨機子空間中也能保證k近鄰算法的故障檢測性能。
　　(2)針對多傳感器故障隔離問題，提出了一種新的基于k近鄰的故障隔離方法。傳統(tǒng)的多變量統(tǒng)計過程監(jiān)控方法的框架下，故障隔離主要采用貢獻分析方法,如貢獻圖、局部分解貢獻和基于重構的貢獻等方法。然而，這些主要的貢獻分析方法都受到故障污染效

4、應影響，容易導致誤隔離，即將未受故障直接影響的傳感器錯誤地判定為故障傳感器。另外，這些主要的貢獻分析方法對多個傳感器故障不具備可隔離性。本文提出基于k近鄰的多傳感器故障隔離方法，在原始測量空間根據樣本與近鄰之間累計距離定義了新的故障貢獻指標，從而避免故障污染問題，而且對有多個測量變量受故障影響或多傳感器故障具有可隔離性。
　　(3)針對故障重構問題，分析了一類代表性的故障重構方法，即基于PCA的故障重構和估計方法，通過理論分析和實

5、驗驗證指出該方法在特定情況下并不能夠唯一地隔離出真實受故障直接影響的傳感器，特別是當故障影響一個或多個傳感器致使這些傳感器的測量值出現(xiàn)明顯的偏差，導致測量變量間的相關關系發(fā)生變化時，基于PCA的重構方法無法給出唯一的隔離結果。另外，該方法對故障幅值的估計精度也不高。針對這些不足之處，嘗試從k近鄰回歸的角度解決重構問題，提出了改進型基于k近鄰回歸的故障重構和估計方法，所提出的方法能夠處理有多個測量變量受故障影響的問題，而且對數據分布不作限