基于efsm的复杂工业过程故障预测应用研究

《基于efsm的复杂工业过程故障预测应用研究》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、单化化料；１００１０。学号；灰哦吟＾化《化义丈緣硕±研究生学位论文题目如刺嚇故读种＾玄吊於叫外专＃拆劣种《分化ｊ研究生周手幕指导教师餐’国曰期：Ｈ年《月Ｈ曰北京化工大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研巧工作所取得的成果。除文中己经注明引用的内容外，本论文不含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中Ｗ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

2、者签名：间夺馬日期；从ｈ关于论文使用授权的说明学位论文作者完全了解北京化工大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属北京化工大学。学校有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅；学校可Ｗ公布学位论文的全部或部分内容，可允许采用影印、缩印或其它复制手段保存、汇编学位论文。□论文暂不公开（或保密）注释；本学位论文属于暂不公开（或保密）范围，在年解密后适用本授权书。＿＿□非暂不公开（或保密）论文注释：本学位论文不属于暂不公开（或

3、保密）范围，适用本授权书。．作者签名．ｉＪ：巧刮６日期；Ｍ…－。。导师签名：日期：＾６含樂夏—）、学位论文数据ｉｔ中图分类号ＴＰ１８２学科分类号５１０．８０９９论文编号１００１０２０１６０７５３密级公开￣￣学位授雜代懼单位名北京化工大学５Ｊ作者姓名周子茜学号２０１３２００７５３获学位专业名称控制科学与工程０８１１课题来源国家自然科学基金研究方向故障预测论文题目基于ＥＦＳＭ的复杂工业过程故障预测应用研究、故慎预测；时延互信息量；相关向量机反馈差分极限学习

4、＝；关Ａ础键词１机即ＳＭ；￣？论义答辩日期２０１６年５月２５日论文类型基础研究ＩＩ学位论文评闻及谷辩《员会情况￣姓名职称工作单位学科专长ＩＩＩ指导教师徐圆副教授北京化王大学故巧预測评阅人１李大字教授北京化工大学机器学习评阅人２彭捷副教授北京化工大学化工过程设计评阅人３评阅人４评阅人５斜條员会主席李大字教授北京化工大学机器学习答辩委员１楚纪正教授北京化工大学系统工程￣￣答辩委员２邱宪波教授北京化王大学微流控怒片￣’答

5、辩委员３＾靖林教授北京化工大学复杂系统建模答辩委员４彭捷副教授北京化工大学化工过程设计答辩委员５一２注：．论文类型：１．基础研究．应用研究３．开发研究４．其它二．中图分类号在《中国困书资料分类法》查询？‘－王（ＧＢ／Ｔ１３７４５９）《学科分类与．学科分类号在中华人民共和国国家标准代码》中查询。四．论文编号由单位代码和年份及学号的后四位组成。基于ＥＦＳＭ的复無工业过程巧巧巧測应用研究病要随着工业技术的不断革新，对于工业过程中安全性的要求也日益提高。在做好安全评价和有效的防护的基

6、础上，能够预先判断即将发生的安一个重耍的研巧领域全问题也成为。数据时代的到来和人工智能技术兴起给这一传统领域带了新的活力和新的希望。在日趋复杂和规模化的工业生，产过程，系统故障情况是客观存在的因此如何有效地完善现有故障预测方法，提高现有故障预测方法的精度和可靠性成为本课题研究的重点。为此，本课题针对工业非线性过程数据处理、现有故障预测方法改进和多故障预测问题，做了下研巧；（１）针对工业非线性过程系统数据含噪声、部分变量数据变化微小、变量间相互关联且存在时滞的问题，本文采用移动窗口均值滤波技术来去除由于仪

7、器噪声、输入干扰等带来的随机噪声，同时保证数据的实时性。运用时延互信息量（ＴＤＭＩ）对变量的时序数据进行互相关分析和时滞分一析。（２）针对传统故障预测问题，本文提出了种基于反馈差分极限学习－机（ＦＤＥ－ＥＬＭ）与时延扩展有限状态机（ＴＤＥＦＳＭ）的故障预测方法。一－ＦＤＥＥＬＭ是种针对工业非线性过程时序数据而提出的网络模型，其作‘用是记录工业数据的时序信息来提高网络模型的预测精度。该方法是运用，时延互信息量分析的结果，建立变量间的时延依赖网络并引入到Ｉ北巧化Ｔ大学硕ｊ：学位论义ＦＤＥ－ＥＬＭ的模型中－

8、ＥＬＭ的。依据设定的控制限，对ＦＤＥ预测结果进行（判断，当变豊出现异常时，启动ＥＦＳＭ模型进行故障识别。３）针对Ｘ一－业过程多故障，本文提出了种基于时序ＥＦＳＭ（ＴＳＥ