基于主題模型的往復(fù)壓縮機(jī)智能診斷研究.pdf

1、往復(fù)壓縮機(jī)在流程工業(yè)生產(chǎn)中占據(jù)重要地位，一旦發(fā)生故障，輕則影響生產(chǎn)效率，重則機(jī)毀人亡。因此實(shí)現(xiàn)往復(fù)壓縮機(jī)異常檢測和故障診斷具有重要意義。傳統(tǒng)的往復(fù)壓縮機(jī)狀態(tài)監(jiān)測方法主要提取信號一個或少數(shù)幾個特征，設(shè)定固定報警閾值，當(dāng)特征值超過閾值后，則觸發(fā)報警。由于單特征值難以全面反映機(jī)組運(yùn)行狀態(tài)，導(dǎo)致機(jī)組異常檢測和故障診斷準(zhǔn)確率低。針對上述問題，本研究從多個角度提取往復(fù)壓縮機(jī)信號特征，構(gòu)建特征相空間，基于主題模型技術(shù)研究建立相空間的主題分布，根據(jù)不同

2、工況相空間主題分布的差異性，判斷往復(fù)壓縮機(jī)異常檢測以及故障診斷。具體研究內(nèi)容如下:
　　(1)針對單特征值難以全面反映機(jī)組運(yùn)行狀態(tài)的問題，從多個角度提取往復(fù)壓縮機(jī)信號高維特征。分析往復(fù)壓縮機(jī)結(jié)構(gòu)和工作原理，及往復(fù)壓縮機(jī)振動信號特點(diǎn)，從多個角度，全方位提取信號特征敏感參數(shù)。
　　(2)研究基于離散主題模型的往復(fù)壓縮機(jī)異常檢測方法。該方法對特征進(jìn)行離散化并編碼，構(gòu)建高維特征相空間，為相空間建立離散主題模型。應(yīng)用LDA主題模型對機(jī)

3、組離散數(shù)據(jù)建模進(jìn)行異常檢測。由于LDA主題模型忽略了模型間特征的相互關(guān)系，在此基礎(chǔ)上對模型進(jìn)行改進(jìn)，提出基于HMM-LDA離散主題模型的往復(fù)壓縮機(jī)異常檢測方法。應(yīng)用工程案例數(shù)據(jù)對上述兩種方法進(jìn)行驗(yàn)證，并對比兩種方法在異常檢測中的應(yīng)用效果，分析結(jié)果表明兩種方法均能實(shí)現(xiàn)異常檢測，但HMM-LDA方法效果最佳。
　　(3)離散主題模型建模過程中需對特征進(jìn)行離散化，自學(xué)習(xí)離散化邊界和人工設(shè)定模型參數(shù)。針對上述問題，研究基于連續(xù)主題模型的往

4、復(fù)壓縮機(jī)異常檢測方法。構(gòu)建數(shù)據(jù)高維特征相空間，建立相空間的連續(xù)主題模型，選擇多種模型先驗(yàn)分布和后驗(yàn)分布構(gòu)造方法，應(yīng)用工程案例數(shù)據(jù)驗(yàn)證模型在異常檢測中的有效性，對比異常檢測效果，選擇適用于往復(fù)壓縮機(jī)異常檢測的最優(yōu)連續(xù)主題模型，數(shù)據(jù)分析結(jié)果表明，傳統(tǒng)狄利克雷高斯混合模型、截棍狄利克雷高斯混合模型、變分推斷狄利克雷高斯混合模型均能實(shí)現(xiàn)往復(fù)壓縮機(jī)異常檢測，但變分推斷狄利克雷高斯混合模型更適用于往復(fù)壓縮機(jī)異常檢測。
　　(4)比較單特征值異

5、常檢測方法、離散主題模型、連續(xù)主題模型在往復(fù)壓縮機(jī)異常檢測中的應(yīng)用效果，選擇最優(yōu)的往復(fù)壓縮機(jī)高維特征相空間建模方法實(shí)現(xiàn)往復(fù)壓縮機(jī)異常檢測。數(shù)據(jù)分析表明，連續(xù)主題模型在往復(fù)壓縮機(jī)異常檢測中效果最佳。
　　(5)提出基于連續(xù)主題模型的故障診斷方法。該方法分別為實(shí)時數(shù)據(jù)和故障數(shù)據(jù)構(gòu)建變分推斷狄利克雷高斯混合模型，根據(jù)模型計(jì)算數(shù)據(jù)特征的貝葉斯推斷貢獻(xiàn)率，計(jì)算實(shí)時數(shù)據(jù)與各類故障的貝葉斯推斷貢獻(xiàn)率的距離，依據(jù)距離大小判定機(jī)組故障類型。數(shù)據(jù)分析