首页> 中文学位 >基于数据分析的控制系统传感器故障诊断方法研究
【6h】

基于数据分析的控制系统传感器故障诊断方法研究

代理获取

目录

第一个书签之前

摘要

Abstract

第1章 绪论

1.1 课题研究的背景及意义

1.2 基于数据分析的故障检测与诊断研究现状

1.3 本文主要工作

第2章 控制系统传感器常见故障分析与数据预处理

2.1 控制系统传感器常见故障

2.2 数据预处理

2.3 本章小结

第3章 基于PSO优化的CMKPCA故障检测方法研究

3.1 预备知识

3.1.1 粒子群优化算法

3.1.2 类均值核主元分析

3.2 基于PSO优化的CMKPCA故障检测

3.2.1 核函数及适应度函数的选取

3.2.2 算法流程

3.3 模型仿真验证

3.3.1 控制系统仿真平台

3.3.2 方法验证

3.4 本章小结

第4章 基于CMKPCA和BP神经网络的控制系统传感器故障诊断

4.1 BP神经网络概念

4.2 基于CMKPCA的BP神经网络控制系统故障诊断

4.3 方法验证

4.3.1 基于原始特征的BP网络诊断

4.3.2 基于特征提取的BP神经网络故障诊断

4.3.3 诊断结果对比分析

4.4 本章小结

第5章 总结与展望

5.1 全文总结

5.2 工作展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢

展开▼

摘要

控制系统的安全和可靠是生产过程正常运行的保障。其中,传感器故障是造成系统出现异常的主要因素之一。因此如何通过数据分析的方法来挖掘系统历史数据或实时数据中的有效信息,且不需要投入其他的设备,就可以对控制系统的状态进行监测,防止传感器故障的发生,对于控制系统的正常运行有着十分重要的意义。 论文首先提取故障数据的特征信息。考虑数据样本中存在噪声的情况,利用小波包去噪。由于数据维度较高且各变量之间存在耦合性,直接利用数据进行故障诊断时,可能会使其诊断结果不佳甚至失效。为了降低数据维度、去除样本的冗余信息,本文利用类均值核主元分析法,对控制系统的故障数据进行特征提取。 其次进行故障检测。本文利用类均值核主元分析的方法进行故障检测,通过计算两个统计量T 2和SPE的幅值是否超限来判断系统是否出现故障。由于核函数的不同会影响数据的分类效果,且核参数的选择具有盲目性,因此本文选用多项式核函数(Poly)和高斯径向基核函数(RBF)组成的复合核函数,采用粒子群算法对新的复合核函数的三个参数进行优化,然后利用类均值核主元分析算法进行故障检测,以多变量控制系统传感器故障数据为例进行检测,并与主元分析和核主元分析算法对比证明该方法的优越性。 最后对故障类型进行识别。本文采用BP神经网络的方法对故障类型进行识别,首先将特征提取后的故障特征集送入BP神经网络中训练,构建故障模型,然后在训练好的网络中进行故障识别,计算故障的识别率,并与基于原始特征的BP神经网络故障诊断结果做对比,表明了该方法具有较高的准确性。

著录项

  • 作者

    蔡博;

  • 作者单位

    华北电力大学;

    华北电力大学(保定);

  • 授予单位 华北电力大学;华北电力大学(保定);
  • 学科 控制科学与工程
  • 授予学位 硕士
  • 导师姓名 王印松;
  • 年度 2018
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类
  • 关键词

    数据分析; 控制系统; 传感器故障诊断;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号