基于KECA方法的過(guò)程監(jiān)測(cè)與故障診斷研究.pdf

1、工業(yè)過(guò)程自動(dòng)控制系統(tǒng)不斷朝著大型化、復(fù)雜化方向發(fā)展。控制系統(tǒng)一旦發(fā)生故障，很難通過(guò)單變量監(jiān)測(cè)方法指示出來(lái)。若故障繼續(xù)發(fā)展可能造成經(jīng)濟(jì)損失，甚至人員傷亡。因此，除了對(duì)工業(yè)過(guò)程實(shí)施良好的控制以外，研究過(guò)程監(jiān)測(cè)與故障診斷方法同樣重要。
　　本文以田納西—伊斯曼(TE)過(guò)程作為研究背景，進(jìn)行基于數(shù)據(jù)驅(qū)動(dòng)方法在過(guò)程監(jiān)測(cè)與故障診斷領(lǐng)域的研究。論文將從以下幾方面展開(kāi):
　　(1)在核主元分析(KPCA)理論基礎(chǔ)上，引入核熵主元分析(KEC

2、A)原理及其空間變換方法，比較了KECA與KPCA的異同，并通過(guò)聚類試驗(yàn)進(jìn)行了分析驗(yàn)證。
　　(2)采用基于KECA和WT-KECA(小波去噪結(jié)合KECA)的故障診斷方法。通過(guò)引入Epanechnikov核函數(shù)參與高維映射過(guò)程，大幅降低了故障檢出率對(duì)核尺寸參數(shù)的敏感度，提高了該方法的實(shí)際應(yīng)用價(jià)值。
　　(3)定義了核熵主元空間相似度指標(biāo)，提出一種新的基于核熵主元空間相似度的故障診斷方法，通過(guò)相關(guān)試驗(yàn)證明該方法具有較好的故障診

3、斷能力。
　　(4)引入一種基于TE過(guò)程子系統(tǒng)的聯(lián)合故障監(jiān)測(cè)方法。該方法結(jié)合TE過(guò)程知識(shí)和系統(tǒng)劃分策略，將過(guò)程分解為幾個(gè)獨(dú)立子系統(tǒng)進(jìn)行聯(lián)合故障監(jiān)測(cè)，進(jìn)一步提高了監(jiān)測(cè)算法對(duì)過(guò)程故障的敏感性。
　　研究結(jié)果表明，KECA有效提高了TE過(guò)程故障檢出率，同時(shí)KECA變量貢獻(xiàn)圖診斷方法表現(xiàn)出比KPCA更強(qiáng)的故障變量鎖定能力。WT-KECA方法進(jìn)一步提高了故障檢出率與故障變量識(shí)別率?；诤遂刂髟臻g相似度的故障診斷方法可以完成一些重要故