基于kica-svdd的地铁站冷水机组故障检测模拟研究

基于kica-svdd的地铁站冷水机组故障检测模拟研究

ID:23516945

大小:2.33 MB

页数:84页

时间:2018-11-08

基于kica-svdd的地铁站冷水机组故障检测模拟研究_第1页
基于kica-svdd的地铁站冷水机组故障检测模拟研究_第2页
基于kica-svdd的地铁站冷水机组故障检测模拟研究_第3页
基于kica-svdd的地铁站冷水机组故障检测模拟研究_第4页
基于kica-svdd的地铁站冷水机组故障检测模拟研究_第5页
资源描述:

《基于kica-svdd的地铁站冷水机组故障检测模拟研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、中文图书分类号:TP277密级:公开UDC:621.3学校代码:10005硕士学位论文MASTERALDISSERTATION论文题目:基于KICA-SVDD的地铁站冷水机组故障检测模拟研究论文作者:张楠华学科:控制科学与工程指导教师:李亚芬高级工程师论文提交日期:2017年4月UDC:621.3单位代码:10005中文图书分类号:TP277学号:S201402144密级:公开北京工业大学工学硕士学位论文题目:基于KICA-SVDD的地铁站冷水机组故障检测模拟研究英文题目:THESIMULATIONRESEARCHOFSUBWAYSTATIONCHILLERFANLTDETECTIO

2、NBASEDONKICA-SVDD论文作者:张楠华学科:控制科学与工程研究方向:地铁空调系统故障检测申请学位:工学硕士指导教师:李亚芬高级工程师所在单位:信息学部答辩日期:2017年5月18日授予学位单位:北京工业大学独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京工业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名:张楠华日期:2017年5月24日关于论文使用

3、授权的说明本人完全了解北京工业大学有关保留、使用学位论文的规定,即:学校有权保留送交论文的复印件,允许论文被查阅和借阅;学校可以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存论文。(保密的论文在解密后应遵守此规定)签名:张楠华日期:2017年5月24日导师签名:李亚芬日期:2017年5月24日摘要摘要地铁因其便利、安全、高速、载客量大等特点,在当今社会得到迅速的发展。通风空调系统作为地铁系统环境中极其重要的组成部分,是良好出行环境的直接保障。而冷水机组是通风空调系统的核心组件,其为整个地铁环境提供唯一的冷源。由于其长期在变工况、变负荷条件下运行,很容易发生故障。如果故

4、障不能及时排除,势必会导致地铁环境的恶化,还会增加系统的能耗,缩短设备的寿命,因此,面对复杂多变的冷水机组,如何高效的对设备故障进行检测,预防事故的发生,已成为当下面临的重要议题。本文以地铁站冷水机组为研究对象,对其常见的典型故障进行深入分析,同时针对过程数据的线性不可分性、非高斯性以及数据采集中的异常点问题,探究核独立成分分析算法(KernelIndpendentComponentAnalysis,KICA)在冷水机组故障检测中的应用。(1)研究基于KICA的冷水机组故障检测方法通过对美国采暖、制冷与空调工程师学会(AmericanSocietyofHeating,Refriger

5、atingandAir-ConditioningEngineers.Inc,ASHRAE)数据的分析,发现冷水机组变量之间是线性不可分的,且具有很强的非高斯性。核独立成分分析针对数据这些特征,有非常突出的表现。因此,本文首先运用KICA对数据进行处2理,然后构造I,SPE统计量进行检测。实验结果表明,基于KICA故障检测模型在故障检测的准确率上明显优于传统的ICA、PCA,可以提高故障检测的准确率。(2)研究一种基于离群点剔除的故障检测模型针对数据中存在的异常点问题,本文研究一种离群点自动剔除的故障检测模型,相比于传统的基于距离的方法,本文方法不需要人为设定阈值,增加了算法的可靠性。

6、通过对数据的处理分析表明,本文方法得到的数据更加聚集,选取相同独立成分个数的情况下,负熵值更大。并且,通过对比发现,剔除离群点后,算法的鲁棒性更强,故障检测的准确率也得到一定的提高。(3)研究基于粒子群优化的KICA-SVDD的故障检测方法核独立成分分析假设过程变量服从非高斯分布,而传统的基于马氏距离构造的监控统计量不能满足这一假设,并且算法在实现过程中面临参数选择的盲目性。针对以上问题,本文提出一种基于粒子群优化KICA-SVDD的故障检测方法。该-I-北京工业大学工学硕士学位论文方法首先运行核技巧将数据映射到高维核空间,在核空间中建立一个最优分类超平面,该平面通过最大化正常数据与

7、故障数据之间的距离,同时最小化正常数据和故障数据内部的离散度,解决参数选择问题;随后,引入支持向量数据描述(SupportVectorDataDescription,SVDD)构造R统计量,克服了传统统计量的不足。通过ASHRAE1043-RP数据对该方法进行验证,结果显示本文方法优于传统方法,提高了故障检测的准确率。(4)现场故障模拟实验分析与研究将课题的研究内容运用到北京某高校的地铁实训平台来验证本文方法的有效性。结果表明,本课题所提方法与传统方法相比

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。