基于k近邻的复杂工业过程故障诊断方法研究-控制科学与工程专业论文.docxVIP

Fault Fault diagnosis of complex industrial Drocesses based on k-nearest neighbors Author’S Supervisor’S External Reviewers： Anonymous Anonymous Anonymous Anonymous Anonymous Examining Committee Chairperson： Prof．Zhihuan Song Zhejiang University Examining Committee Members： Prof．Meiqin Liu Zhejiang University Prof．Zaiyue Yang Zhejiang University Prof．Chunjie Yang Zhejiang University Prof．Chenglin Wen Hangzhou Dianzi University Prof．Peiliang Wang Huzhou University Date of oral defence： 7 June 2016 万方数据 浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人己经发表或撰写过的研究成果，也不包含为获得浙江大学或其他教育 机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均己在论文中作了明确的说明并表示谢意。 学位论文作者签名： 签字日期：2D f5年 6月f弓日 学位论文版权使用授权书 本学位论文作者完全了解浙江大学有权保留并向国家有关部门或机构送 交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江大学可以将 学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、 缩印或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书) 日 签字日期： 彳圻年 启 日 导师签名： 万方数据 摘 摘 要 保证现代复杂工业过程安全且有效地运行对于提高产品质量至关重要，故 障诊断技术是提升控制系统可靠性、安全性，保证过程稳定运行的有效手段之 一。随着信息技术的发展，数据采集和存储成本降低，工业过程积累了海量的 数据，促使基于数据驱动的故障诊断方法在近二十多年中取得了长足发展，其 中多变量统计过程监控方法成为研究热点之一，产生了许多理论研究成果，也 得到了广泛的应用。 传统的多变量统计过程监控方法假设过程数据采集自稳定的单一工况、服 从高斯分布、变量之间满足线性关系等。但是，随着工业过程的复杂化，所获得 的过程测量数据常常不满足上述假设。面对复杂的工况过程，本文以经典的k近 邻规则为主要方法，开展基于k近邻方法的故障检测、故障隔离和故障重构等问 题的研究。全文的主要研究内容如下： (1)针对过程数据分布复杂且变量维数较高时的故障检测问题，提出利用随 机投影和k近邻相结合的快速故障检测方法，该方法首先利用随机投影对数据进 行降维处理，相较于PCA(Principle Component Analysis)降维方法，随机投影 能够在降维的同时保持样本之间的距离近似不变，可以与k近邻检测算法很好地 结合，不但能够降低计算复杂度，同时在随机子空间中也能保证k近邻算法的故 障检测性能。 (2)针对多传感器故障隔离问题，提出了一种新的基于k近邻的故障隔离方 法。传统的多变量统计过程监控方法的框架下，故障隔离主要采用贡献分析方 法，．如贡献图、局部分解贡献和基于重构的贡献等方法。然而，这些主要的贡 献分析方法都受到故障污染效应影响，容易导致误隔离，即将未受故障直接影 响的传感器错误地判定为故障传感器。另外，这些主要的贡献分析方法对多个 传感器故障不具备可隔离性。本文提出基于k近邻的多传感器故障隔离方法，在 原始测量空间根据样本与近邻之间累计距离定义了新的故障贡献指标，从而避 免故障污染问题，而且对有多个测量变量受故障影响或多传感器故障具有可隔 离性。 (3)针对故障重构问题，分析了一类代表性的故障重构方法，即基于PCA的 故障重构和估计方法，通过理论分析和实验验证指出该方法在特定情况下并不 能够唯一地隔离出真实受故障直接影响的传感器，特别是当故障影响一个或多 个传感器致使这些传感器的测量值出现明显的偏差，导致测量变量间的相关关 T 万方数据 浙汀大学博上学位论文系发生变化时，基于PCA的重构方法无法给出唯一的隔离结果。另外，该方法 浙汀大学博上学位论文 系发生变化时，