储运过程管道堵塞故障小样本模式识别方法

针对储运过程典型的管道堵塞故障样本数量不足、诊断知识不完备的实际情况,提出储运过程管道堵塞故障小样本模式识别方法;以支持向量机(SVM)算法为基础,构建了储运过程故障模式识别框架,分析了基于SVM方法的故障模式分类;利用储运过程仿真模型采集正常及故障过程数据,建立SVM多分类模式识别器,通过识别器核函数选取和参数优化,进行了管道堵塞故障小样本模式识别的仿真应用研究。仿真实验结果表明,SVM方法能够准确、快速实现故障模式识别,为储运过程故障模式识别提供了一种实用方法。

故障诊断技术综述及发展趋势

本文在综合大量文献基础上,对故障诊断的发展进行回顾,并对国内外故障诊断的研究现状进行了述评和归纳,同时指出了目前各种智能诊断方法和技术的特点及局限性。具体讨论了基于过程历史数据法中支持向量机。最后指出了智能故障诊断今后的发展趋势,即基于机器学习的集成型智能故障诊断系统。

基于PCA-SVM的储运过程故障诊断方法

针对储运过程工艺复杂、监控变量多且故障样本数据相对有限的问题,在介绍主元分析原理和支持向量机方法的基础上,提出了主元分析与支持向量机相结合的储运过程故障诊断方法,建立了提高故障诊断速度和诊断性能的故障诊断模型。首先采用主元分析法进行特征提取实现降维,其次构造新的训练和测试样本集,最后训练支持向量机分类器的故障诊断流程。以数字化油库为仿真实验对象,进行了油料收发过程中的故障诊断实验,验证了所提方法的有效性。