《论文_基于PCA的传感器网络的故障诊断分析(定稿)》

《论文_基于PCA的传感器网络的故障诊断分析(定稿)》

ID:43997988

大小:56.50 KB

页数:6页

时间:2019-10-17

《论文_基于PCA的传感器网络的故障诊断分析(定稿)》_第1页
《论文_基于PCA的传感器网络的故障诊断分析(定稿)》_第2页
《论文_基于PCA的传感器网络的故障诊断分析(定稿)》_第3页
《论文_基于PCA的传感器网络的故障诊断分析(定稿)》_第4页
《论文_基于PCA的传感器网络的故障诊断分析(定稿)》_第5页
资源描述:

《《论文_基于PCA的传感器网络的故障诊断分析(定稿)》》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于PCA的传感器网络的故障诊断分析发布者:刘成发布吋间:2006-9-1210:30:00内容摘要摘要:主成分分析是多元统计方法,正逐步成为控制领域屮一•种重要的数据处理方法,用于生产监测和质量控制。本文简要地介绍了PCA中两种常用的图形分析法——Q图和主元得分法,利用统计软件一一SPSS对数据进行处理,简化了复杂的运算过程,并对其数据处理过程进行了说明。最后,通过空压机远程监控系统传感器网络的实例模型,运用SPSS软件,说明了这一数据处理方式的简便、有效性和缺陷。关键词:主元分析法;故障诊断;空压机;传感器网络正文1•引言在现代化工业控制过程屮,通常都运用了大量的测量传感器,

2、如温度,流量,压力传感器等,形成了复杂的传感器网络。各传感器测量值Z间高度相关以及实际生产过程中存在的各种随机因素,使得系统过程变量多且耦合性强,建模困难。传统的基于机理模型的诊断方法,显然难于满足耍求。统计学中的多元统计方法(如主元分析方法(PCA),偏最小二乘法(PLS)及因子分析),是一种不依赖于过程机理的建模方法,它只需通过对过程数据信息进行建模,然后基于该模型实施过程监控和故障诊断分析。主元分析(PCA)作为一种多元统计方法,最初是运用在医学、教育、生物,等社会科学领域,由于它不依赖于精确数学模型这一显著优点,使它得到了工控界学者的广泛关注,并逐步发展成为控制领域中一种

3、重要的数据分析处理方法。其根本思想在于对原有复杂的多变量数据空间进行数据提取,用较少的变量来解释系统数据结构。它既保留了原有数据的基本信息,又大大降低了数据空间的维数,去掉了一些不必耍的耦合,极大地方便了对过程数据的分析。2.PCA故障诊断过程主成分分析法进行故障检测和诊断的基本思想就是:根据收集的正常工况下的历史数据,按一定的标准,利用统计方法找出能够表达正常工况下过程各变量Z间的因果关系低维主成分,即主元模型,一旦过程的实时测量数据与建立的主元模型不符就可以判断过程屮已有故障发生,再通过对测量数据屮各变量变化对主元模型的破坏贡献率分析,进一步进行故障诊断。2.1PCA基本定义

4、设原始变量:XI、X2、X3、…、Xm主成分:Zl、Z2、Z3>...、Zm则各因子与原始变量之间的关系可以表示成:写成矩阵形式为:X二BZ+E。其中,X为原始变量向量,B为公因子负荷系数矩阵,Z为公因子向量,E为残差向量,忽略E数学模型变为,其中Z中各向量Z间彼此不相关。主成分分析的冃的就是要求出系数矩阵Bo2.2主元的提取在数据空间主要信息提取过程中,合理确定主元个数非常重要,主元个数多,其信息准确度高,但系统分析复杂程度也人幅度增加,噪声也难于滤除。选取过少,则造成数据信息严重丢失,不能反映系统实质,诊断准确度不能保证。提取主元的步骤具体如门Stepl:对原始数据进行标准化

5、处理,使得样本点集合的重心与坐标原点重合,而压缩处理则可以消除由不同量纲所引起的虚假差界信息,使分析结果更加合理;Step2:计算标准化后的数据矩阵的协方差矩阵,此时,V也是X的相关系数矩阵;Step3:求V的前m个特征值以及他们的特征向量,并将其单位正交化;Step4:计算各成分的贡献率;Step5:前k个成分的累计贡献率;Step6:按贡献率大小列表,选取累计贡献前k个变量作为主成分向量。2.3PCA统计分析通过前而步骤得到主成分向量后,运用多变量统计控制图对原有数据空间进行分析,判断系统工作状态。多元变量统计图有多种,女口,主元得分图,平方预测方差图(SPE),Hotell

6、ingT2图,贡献图等。其中,SPE图和T2图,可以根据其统计量是否超出控制限来判断系统是否出现界常状况,其过程方便快捷,但不能从图屮准确判定故障来源,确定是哪个传感器异常。与此相反,主元得分图和贡献图稍显繁琐,但可准确确定故障來源。这里限于篇幅,只简要的介绍其屮有代表性的两种——得分图和Q图。2.3.1主元得分图主元得分图是主元模型内部各主元向量的空间分布,各个主元随时间不断变化。系统正常运行,则各主元向量在一定范围内波动。若有-•段时间有若干点分布在其他区域,则系统发生故障。假定第j个得分主元分布发生异常,我们可以利用因子分析找出与第j个得分主元关系最密切的几个向量,这样就能

7、很快得到故障源位置。其中,得分主元计算公式为:tj二XPj式中tj——得分向量Pj负荷向量2.3.2Q统计图Q统计图,也叫平方预测方差(SPE)统计图,其实质就是将各采样值的SPE统计量置一定的可信度,若超岀其范围的,即为异常点。对于第i个采样点:式屮ei——残差矩阵第i行I——单位矩阵Pk={piP2...Pk}——前k个得分特征向量_1_检验水平为a时,统计量控制限为:Qrz=空』込+空血二U+ih°L0]02式中q=£久苗=1,2,3)h()=1一豎?j=k+l3&2——X

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。