基于動(dòng)態(tài)主元分析的自適應(yīng)故障診斷方法研究.pdf

1、在鋼鐵冶金、石油煉制、化工、電力、熱能等高成本費(fèi)用、高安全等級(jí)的工業(yè)過(guò)程，隨著人們對(duì)過(guò)程的高效性、產(chǎn)品的高質(zhì)量和自動(dòng)控制系統(tǒng)的集成化有著越來(lái)越高的要求，過(guò)程監(jiān)測(cè)、故障檢測(cè)和診斷等領(lǐng)域在其中起到了十分重要的作用。這些領(lǐng)域一般被稱作為故障檢測(cè)和分離(FDI)或故障檢測(cè)和診斷(FDD)，也簡(jiǎn)稱為故障診斷。
　　本文從基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法出發(fā)，主要研究了動(dòng)態(tài)主元分析(DPCA)算法離線和在線的自適應(yīng)故障診斷過(guò)程，本文的主要工作和貢獻(xiàn)

2、如下:
　　(1)闡述了故障診斷的研究現(xiàn)狀，并從定性分析和定量分析角度研究了故障診斷方法的分類，其中著重研究了DPCA算法理論及其發(fā)展過(guò)程。詳細(xì)總結(jié)分析了工業(yè)過(guò)程數(shù)據(jù)動(dòng)態(tài)性（數(shù)據(jù)的自相關(guān)性）產(chǎn)生的原因及其影響;
　　(2)研究了多維小波去噪算法和自適應(yīng)主元分析算法，包括遞推主元分析(RPCA))算法、滑動(dòng)窗主元分析(MWPCA)算法和指數(shù)加權(quán)主元分析(EWPCA)算法。
　　(3)提出了一種基于小波去噪和DPCA相結(jié)合

3、的故障診斷方法。該方法利用小波去噪算法對(duì)構(gòu)建的動(dòng)態(tài)增廣矩陣數(shù)據(jù)進(jìn)行處理，提高了動(dòng)態(tài)PCA算法的計(jì)算效率。通過(guò)分別對(duì)田納西-伊斯曼過(guò)程（Tennessee Eastman Process，TEP）的典型故障和軋鋼過(guò)程的斷帶故障的仿真研究，驗(yàn)證了提出方法的有效性。
　　(4)結(jié)合MWPCA算法，提出了一種基于DPCA的自適應(yīng)故障診斷方法。該方法引入了遞推主元分析(RPCA)算法思想，給出了簡(jiǎn)化的自相關(guān)矩陣的遞推公式，將原來(lái)需要進(jìn)行4次