基于半监督学习的故障诊断研究-检测技术与自动化装置专业论文.docxVIP

Master Dissertation Submitted to Shanghai Jiao Tong University RESEARCH ON FAULT DIAGNOSIS BASED ON SEMI-SUPERVISED LEARNING Author：Zhao Wenhao Advisor: Associate Prof. Yan Weiwu Specialty: Detection Technology and Automatic Equipment School of Electronic, Information and Electric Engineering Shanghai Jiao Tong University January, 2010 上海 上海交通大学硕士学位论文 I I 基于半监督学习的故障诊断研究 摘要 随着计算机技术和自动控制技术的发展，过程控制系统的复杂度和 规模在不断提高，如果在系统运行过程中操作不当，或因一些突发情况， 系统发生故障的可能性也在不断增大，这将导致无法估计的经济损失和 人身安全隐患。同时随着自动控制理论、机器学习技术和数据挖掘技术 的发展，故障诊断技术也得到了迅速的发展，如何利用故障诊断技术来 有效提高系统安全性和可靠性，成为工业界和学术界研究的热点。 本文从半监督学习和流形学习相结合的角度出发，主要研究了基于 半监督局部线性嵌入算法的故障诊断过程，本文主要工作和贡献如下： （1）阐述了故障诊断的研究现状，并从基于模型和基于数据驱动两 个方向对故障诊断技术的发展进行了详细的分析。其中重点研究了基于 数据驱动的故障诊断技术，并根据数据本身的特性对该技术提出了一种 新的分类方法，即分为监督学习的方法、非监督学习方法和半监督学习 的方法。 （2）研究了半监督学习和流形学习理论，其中着重对半监督分类算 法和流形学习中的各种非线性降维算法进行了研究，并与线性降维算法 在 Swiss roll 数据上进行了实验对比。 （3）提出了一种基于半监督局部线性嵌入的故障诊断方法，该方法 利用半监督局部线性嵌入算法对采集的数据进行特征提取后得到低维特 征空间，在低维特征空间进行故障模式分类以达到故障诊断的目的。并 利用半监督局部线性嵌入算法在故障数据上进行仿真，仿真结果表明该 算法的故障分类效果明显，具备一定的实用价值。 （4）将半监督局部线性嵌入算法应用在 TE 模型和 BSM1 污水处理 模型上，通过在模型上产生故障数据，验证半监督局部线性嵌入算法的 I II 有效性。实验结果表明，该算法能有效识别模型产生的故障，提升了故 障诊断效果。 关键词：故障诊断，半监督学习，流形学习，仿真模型 PAGE PAGE III RESEARCH ON FAULT DIAGNOSIS BASED ON SEMI-SUPERVISED LEARNING ABSTRACT With the development of computer technology and automation technology, the complexity and the scale of the process control system are steadily rising, if the system is running in improper operation, or due to some unexpected circumstances, the possibility of system failure is also growing. This will result in incalculable economic loss and physical security vulnerabilities. At the same time, with the development of automatic control theory, machine learning techniques and data mining technology, fault diagnosis technology has got a rapid development. How to use it to effectively improve the security and reliability of the system, which has been the research hot for the industrial and academic fields. From the viewpoint of the combination of semi-supervised learning a