基于kica与svm的故障检测与诊断的分析

《基于kica与svm的故障检测与诊断的分析》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、万方数据东北大学硕士学位论文笫1章绪论第1章绪论1．1课题研究背景及意义在自动控制生产过程日益大型化和复杂化的今天，一个不容忽视的问题就是如何保证安全生产和环境保护。不仅是产品的质量和产量受到生产过程中的故障影响，而且人身、设备事故和环境污染也可由故障引起。为提高复杂工业系统的安全性和可靠性，控制系统的故障检测与诊断技术(FaultDetectionandDiagnosis，FDD)应运而生，并为其提供了重要的途径。工业系统的故障检测与诊断技术包括故障检测、故障分离和故障辨识等，能够判断是否发生故障、故障发生时刻，并

2、确定故障的类型和位置，进一步地在分离出故障后确定故障大小和特性。一旦复杂工业过程发生事故，就会对生产的安全、生产的效率和产品质量造成不良影响【11，这就使人们对故障的检测与诊断提出了更高要求。由于实际工业过程复杂且不确定因素多，一般包括非线性、时变、变量耦合、时间相关性、多模态、多时段、大规模、间歇等过程特性，使得过程模型及故障模型难以精确地建立。由于可避免解析法要求详细而精确的数学模型的缺点，基于数据和知识的方法已成为如今取得了快速发展，已成为研究热点而广泛应用于工业过程的监视及诊断。如田纳西伊斯曼过程【2】，半导

3、体制造【3捌，钢铁行业转炉、连铸、轧制【5卅等。过程工业主要采用如下方法解决检测、诊断、容错三方面问题：采用单变量过程控fl；I](SPC)或多元统计过程监控(MSPM)方法实现故障检测；定性的专家系统及动态趋势，定量的多元统计方法、神经网络方法及聚类方法实现故障诊断；在故障诊断的前提下，基于症状、控制树、故障概率、过程历史操作等信息，通过硬件冗余、控制器重新调整【粥1、传感器重构【9】等方式实现容错。目前已经建立了针对故障检测与诊断问题相对完整的理论体系，在过程工业的实际应用中主要研究以下问题：在工业过程复杂过程特

4、性及数据采集、传输、存储过程中引入复杂数据特性的前提下，为使多元统计方法得以应用且监视结果准确提出相应的改进过程监视方法。由于工业过程对于进行完整故障诊断的需求，将多元统计方法的研究扩展到故障的辨识及诊断，重点进行过程故障，尤其是回路设定不当引起的及尚未发生过故障的诊断研究。FDD是一门交叉性的综合技术，它涉及包括现代控制理论、信号处理、模式识别、人工智能、人工神经网络、计算机工程、模糊数学和数理统计等多门学科。近30多年来，FDD的研究得到了迅猛的发展并应用了如小波变换、神经网络、模糊系统、遗传算法、模式识别、自适

5、应理论和非线性理论等多种新的理论与方法。国际上，FDD的发展于1993年直接促成了国际自动控制联合会(InternationalFederationofAutomaticControl，IFAC)技术过程的故障诊断与安全性技术委员会的成立。从1991年．1．万方数据东北大学硕士学位论文第1章绪论起，IFAC每三年定期召开FDD方面的国际专题学术会议。随着FDD技术蓬勃的发展，我国从20世纪80年代开始进行FDD方面的研究。1997年，我国自动化学会技术过程的故障诊断与安全性专业委员会也由自动化学会批准成立，并于199

6、9年5月在清华大学召开了首届全国技术过程的故障诊断与安全性学术会议。1．2故障检测技术研究现状(11故障的含义故障通常是指系统所出现的导致其难以完成所规定的功能的一些异常现象。根据问题的出发点不同，故障的含义大致分为两类：一类是在控制回路前提下定义的故障，这类故障通常指控制回路部分的故障，如传感器执行机构和过程部件等。另一类故障是指复杂工业生产过程的故障，这些复杂过程对象通常包括控制回路，但也包括无控制回路的检测变量。这类故障包括一般的系统故障，还包括人工操作不当带来的产品质量下降和生产效率降低等。由于这类故障的发生

7、直接影响产品质量和成品率，并且难以通过仪表直接测量，近年来在实际复杂工业过程中受到特别的关注。故障检测就是指可以及时发现系统发生的故障并报警。通常情况下，任何故障检测系统都不可能完全正确检测出控制系统的各种故障。因此提高故障的正确检测率，降低故障的漏报率即发生故障没报警和误报率即未发生故障反而报警，一直是故障检测与诊断领域的前沿课题。(2)故障检测的分类按照故障部件划分，控制系统的主要故障有：被控过程原部件故障，传感器故障，A／D、D／A等计算机接口故障，计算机硬件故障，控制器故障等。按照故障类型可划分为：脉冲型故障

8、、阶跃型故障、缓慢漂移型故障以及控制性能下降等。传感器故障与执行器故障是，传感器和执行器的输出出现突变型或者缓变型偏差。传感器与执行器增益逐渐衰减。元部件参数出现阶跃型跳变或者元部件参数有缓慢漂移。(3)基于数据驱动的故障检测两种普遍应用的多元统计方法是主元分析(PCA)和部分最小二乘(PLS)，而因适于过程信息不满足正态分布的情况，近年来独立