基于數(shù)據(jù)驅(qū)動(dòng)的過程狀態(tài)監(jiān)測(cè)和故障診斷.pdf

1、隨著現(xiàn)代工業(yè)的發(fā)展，控制系統(tǒng)日益大型化、復(fù)雜化，因此，影響系統(tǒng)運(yùn)行的因素驟增，其發(fā)生故障的潛在可能性越來越大，智能監(jiān)測(cè)和診斷技術(shù)也就應(yīng)運(yùn)而生。同時(shí)，系統(tǒng)在生產(chǎn)過程中保留了大量的過程數(shù)據(jù)。計(jì)算機(jī)技術(shù)發(fā)達(dá)也為海量數(shù)據(jù)的分析與使用提供了便利條件。本文旨在基于數(shù)據(jù)的統(tǒng)計(jì)信息，結(jié)合實(shí)際情況考慮工業(yè)系統(tǒng)中的非高斯現(xiàn)象，提出隨機(jī)濾波和故障診斷新方法，本文的主要工作與貢獻(xiàn)如下:
　　首先，本文研究了傳承于貝葉斯估計(jì)和蒙特卡洛仿真的粒子濾波方法，提

2、出基于粒子濾波的故障診斷兩步策略，并將其應(yīng)用到換熱器故障檢測(cè)與估計(jì)中。
　　其次，本文使用生存信息勢(shì)描述隨機(jī)系統(tǒng)的不確定性，構(gòu)成了全新的性能指標(biāo)。然后基于此提出了全新的濾波增益更新算法，使估計(jì)誤差分布形狀盡可能窄。同時(shí)為了保證誤差隨機(jī)均方指數(shù)有界，提出基于線性矩陣不等式的次優(yōu)濾波增益更新算法。在機(jī)械手的仿真應(yīng)用證明了該方法的有效性。
　　最后，本文針對(duì)傳統(tǒng)加權(quán)最小二乘法可能受較大誤差影響，導(dǎo)致誤差較大的狀態(tài)估計(jì)結(jié)果，本文提出