基于動態(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、熱能等高成本費用、高安全等級的工業(yè)過程，隨著人們對過程的高效性、產(chǎn)品的高質(zhì)量和自動控制系統(tǒng)的集成化有著越來越高的要求，過程監(jiān)測、故障檢測和診斷等領(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和分離(FDI)或故障檢測和診斷(FDD)，也簡稱為故障診斷。
　　本文從基于數(shù)據(jù)驅(qū)動的故障診斷方法出發(fā)，主要研究了動態(tài)主元分析(DPCA)算法離線和在線的自適應(yīng)故障診斷過程，本文的主要工作和貢獻

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)展過程。詳細(xì)總結(jié)分析了工業(yè)過程數(shù)據(jù)動態(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構(gòu)建的動態(tài)增廣矩陣數(shù)據(jù)進行處理，提高了動態(tài)PCA算法的計算效率。通過分別對田納西-伊斯曼過程（Tennessee Eastman Process，TEP）的典型故障和軋鋼過程的斷帶故障的仿真研究，驗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，給出了簡化的自相關(guān)矩陣的遞推公式，將原來需要進行4次