基于小波包去噪與改進(jìn)PCA的故障檢測(cè)研究.pdf

1、隨著生產(chǎn)發(fā)展的現(xiàn)代化與科學(xué)技術(shù)的不斷進(jìn)步，促使大型設(shè)備的結(jié)構(gòu)復(fù)雜化，功能完善化，故障發(fā)生的可能性及嚴(yán)重程度也隨之增加，故障檢測(cè)與診斷技術(shù)的研究已成為系統(tǒng)安全性及可靠性的重要保證。復(fù)雜工業(yè)過(guò)程的精確數(shù)學(xué)模型是難以建立的，而數(shù)據(jù)驅(qū)動(dòng)的故障檢測(cè)及診斷方法是基于過(guò)程數(shù)據(jù)分析，通過(guò)數(shù)理統(tǒng)計(jì)方法提取海量數(shù)據(jù)之間的隱含信息以完成故障檢測(cè)及診斷。本文以TE過(guò)程中的高復(fù)雜性、非線(xiàn)性、動(dòng)態(tài)性、及噪聲干擾問(wèn)題為對(duì)象，研究基于數(shù)據(jù)驅(qū)動(dòng)的故障檢測(cè)及診斷方法及改進(jìn)

2、方法，并通過(guò)仿真實(shí)驗(yàn)進(jìn)行了具體的可行性分析。
　　 首先對(duì)主元分析、核主元分析進(jìn)行了深入的研究，并對(duì)其具體算法及其實(shí)現(xiàn)條件進(jìn)行了推導(dǎo)。介紹了小波包理論，并通過(guò)與小波分析的分解與重構(gòu)方式對(duì)比，得出其在處理信號(hào)高頻細(xì)節(jié)信息的優(yōu)勢(shì)。
　　 其次，針對(duì)實(shí)際工業(yè)過(guò)程數(shù)據(jù)的帶噪問(wèn)題提出了基于最優(yōu)基小波包去噪的方法，通過(guò)小波包對(duì)所采集數(shù)據(jù)進(jìn)行高低頻的多層分解，最大限度保留原始信息并剔除噪聲信號(hào)。使得故障檢測(cè)的漏報(bào)率及誤報(bào)率明顯降低。并

3、針對(duì)實(shí)際系統(tǒng)的非線(xiàn)性問(wèn)題，提出了最優(yōu)基小波包去噪的核主元分析方法，并給出其具體的操作流程。將其應(yīng)用于TE過(guò)程，通過(guò)對(duì)PCA、KPCA，及小波包去噪的KPCA三者Q統(tǒng)計(jì)量的分析，并通過(guò)累積方差貢獻(xiàn)率圖對(duì)比，驗(yàn)證該方法的優(yōu)越性。
　　 最后，針對(duì)傳統(tǒng)主元分析在處理非線(xiàn)性和動(dòng)態(tài)過(guò)程中的缺陷，將指數(shù)加權(quán)自回歸統(tǒng)計(jì)模型融入到核主元模型中，采用等步長(zhǎng)數(shù)據(jù)實(shí)時(shí)更新的方法，利用更新后的數(shù)據(jù)重新建立核主元模型，并引入加權(quán)因子β，將新核主元模型和舊