基于自適應(yīng)PCA和時(shí)序邏輯的動(dòng)態(tài)系統(tǒng)故障診斷研究.pdf

1、為了保證系統(tǒng)正常、安全地運(yùn)行，故障診斷研究備受關(guān)注。通常，在復(fù)雜動(dòng)態(tài)系統(tǒng)中，過程數(shù)學(xué)機(jī)理與知識難以預(yù)先獲取，而過程數(shù)據(jù)很豐富且易于獲取。因此，研究在純數(shù)據(jù)模型框架下動(dòng)態(tài)系統(tǒng)的故障診斷問題很有意義。針對動(dòng)態(tài)系統(tǒng)故障診斷面臨的模型自動(dòng)更新和動(dòng)態(tài)過程特征表達(dá)兩大問題，本文分別從過程中全局和局部信息的自適應(yīng)提取、模型的自適應(yīng)稀疏化、時(shí)序邏輯的引入和擴(kuò)展的角度，采用自適應(yīng)主元分析(principal component analysis，PCA)

2、和時(shí)序邏輯主要進(jìn)行了以下幾個(gè)方面的創(chuàng)新性研究:
　　1、針對傳統(tǒng)的PCA因模型全局、固定不能準(zhǔn)確地反映動(dòng)態(tài)時(shí)變和局部信息的缺陷，通過在每一種系統(tǒng)運(yùn)行狀況下對過程變量進(jìn)行自適應(yīng)分塊，使得不同的運(yùn)行狀況有著各自的變量分塊結(jié)果，并且充分利用塊內(nèi)局部信息和塊間全局信息，根據(jù)每一個(gè)分塊結(jié)果構(gòu)建不同的全局和分塊故障診斷模型，提出自適應(yīng)分塊PCA方法。最后探究該方法在TE過程中的應(yīng)用，提高了故障檢出率和故障分離的準(zhǔn)確性。
　　2、研究動(dòng)態(tài)

3、時(shí)變模型的自適應(yīng)稀疏化問題。通過將不同的與各自系統(tǒng)運(yùn)行狀況相關(guān)的負(fù)荷向量稀疏懲罰項(xiàng)引入原始的PCA的優(yōu)化命題的目標(biāo)函數(shù)中，構(gòu)建自適應(yīng)稀疏PCA的優(yōu)化命題，并且提出用于求解該優(yōu)化命題的迭代內(nèi)點(diǎn)算法，得到僅僅包含少量非零元素的稀疏負(fù)荷向量。然后，定義QT2和SPE統(tǒng)計(jì)量用于故障檢測。如果發(fā)生了故障，則通過選取與故障相關(guān)程度大的變量并優(yōu)先對它們進(jìn)行故障重構(gòu)的方式來實(shí)現(xiàn)故障分離。將該自適應(yīng)稀疏方法應(yīng)用在TE過程和波形系統(tǒng)的故障檢測與分離中，驗(yàn)證

4、了方法的有效性。
　　3、探究純數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜動(dòng)態(tài)系統(tǒng)中過程時(shí)變特征的表達(dá)和學(xué)習(xí)問題，并且提出一種基于PCA和時(shí)序邏輯的多層故障檢測與識別框架。利用時(shí)序邏輯以自然語言的形式表達(dá)系統(tǒng)中過程變量層、PCA所選取的主元層和監(jiān)控統(tǒng)計(jì)量層的過程時(shí)變特征。提出一種新的分段線性擬合算法，用于統(tǒng)計(jì)學(xué)習(xí)時(shí)序邏輯公式。然后，在系統(tǒng)正常和故障運(yùn)行狀況下，分別創(chuàng)建正常和故障時(shí)序邏輯庫。通過檢查系統(tǒng)當(dāng)前行為是否滿足正常庫中的時(shí)序邏輯公式來在線監(jiān)測是否發(fā)生故