非高斯过程故障检测与诊断方法研究

非高斯过程故障检测与诊断方法研究

ID:34142579

大小:10.95 MB

页数:95页

时间:2019-03-03

非高斯过程故障检测与诊断方法研究_第1页
非高斯过程故障检测与诊断方法研究_第2页
非高斯过程故障检测与诊断方法研究_第3页
非高斯过程故障检测与诊断方法研究_第4页
非高斯过程故障检测与诊断方法研究_第5页
资源描述:

《非高斯过程故障检测与诊断方法研究》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、分类号:TP277UDC:681.5密级:编号:2011135工学硕士学位论文非高斯过程故障检测与诊断方法研究硕士研究生:刘洪彬指导教师:付丽君杨青学科、专业:控制理论与控制工程沈阳理工大学2013年12月分类号:TP277UDC:681.5密级:编号:2011135工学硕士学位论文非高斯过程故障检测与诊断方法研究硕士研究生:指导教师:学位级别:学科、专业:所在单位:论文提交日期:论文答辩日期:学位授予单位:刘洪彬付丽君杨青工学硕士控制理论与控制工程沈阳理工大学2013年12月2014年03月沈阳理工大学ClassificationInde

2、x:TP277U.D.C:681.5AThesisfortheMasterDegreeofEngineeringResearchonNon..GaussianProcessFaultDetectionandDiagnosisMethodsCandidate:LiuHongbinSupervisor:LijunFuandQingyangAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ControlTheoryandContr01EngineeringDateofSubmission

3、:December,2013DateofExamination:March.2014University:ShenyangLigongUniversity沈阳理工大学硕士学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者(签字):五p泼扔Ft期:沙,

4、尹年)月『乡日学位论文版权使用授权书本学位论文作者完全了解沈阳理工大学有关保留、使用学位论文的规定,即:沈阳理工大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘,允许论文被查阅和借阅。本人授权沈阳理工大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)∥者签翥燃P签蠹鬈孚日飙叫蛾、J)日飙‘7弘。羔,争沈阳理工大学硕士学位论文摘要非高斯过程的故障检测与诊断对工业生产的安全保障意义重大。近几年,石油化工、锅炉冶炼等企业的爆炸或泄露事故屡

5、见不鲜。正是如此,复杂过程的故障检测与诊断的研究工作也随之大力开展。其中,非高斯过程的故障检测与诊断占有很大比重,因为大部分工业过程都是非线性、非高斯的。本文主要以三容水箱为例,在搜集相关文献综述的基础上,研究非高斯过程的故障检测与诊断方法。首先,建立非高斯过程的动态模型。三容水箱的建模采用Matlab中的Simulink工具,利用三容水箱的状态方程和约束条件,模块化的组建三容水箱动态过程。由于本文主要研究非高斯过程的故障检测与诊断,所以同时建立了故障模型。针对三容水箱单一故障,设置了水箱泄露、管道堵塞、电机故障、传感器故障四大类故障,并且

6、对所采集数据进行了相应分析。针对怎样判断一个过程是否为非高斯过程,采用了一种基于Matlab函数的判别方法。其次,非高斯过程的故障检测方法研究。针对主成分分析和独立成分分析两种方法进行讨论,利用它们各自的12、SPE和T2、SPE统计方法进行过程监控。一旦发生故障,就立即对故障数据进行诊断。这里,对ICA和PCA两种方法进行了对比。经过实验证明,ICA更适合于非高斯过程的故障检测。再次,非高斯过程的故障诊断方法研究。为了对比,本文首先对传统的神经网络方法进行了实验,包括BP神经网络、概率神经网络和自组织神经网络。在此基础上,提出了两种故障诊

7、断改进新方法,分别是聚类PNN方法和增量自组织神经网络方法。它们能够提高故障诊断的有效性和快速性。最后,为了方便应用于实际过程,利用VisualBasic编程语言设计一个故障检测与诊断平台。其中,包含了数据采集、故障报警、数据保存等功能,验证了本文的故障检测与诊断方法可靠性。同时,设计了一套应用于工业过程的网络架构,使故障检测与诊断和过程控制联系到一起,能够实现远程故障监控,更有力的提高了安全性。关键词:非高斯过程:故障检测与诊断;独立成分分析;聚类概率神经网络;增量自组织神经网络沈阳理工大学硕士学位论文AbstractNon—Gaussi

8、anprocessfaultdetectionanddiagnosisisofgreatsignificanceforsecurityofindustrialproduction

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。