一种面向复杂非平稳工业过程的质量相关分布式故障检测方法

由于复杂工业过程通常受到生产条件的变化,未知的外部干扰及其他因素的影响,其过程数据时间序列的统计特征随时间变化,呈现出非平稳特性。而工业过程的故障可能会被过程的非平稳特性所掩盖,这给复杂工业过程的质量相关故障检测带来巨大挑战。本文提出了一种基于动静特征融合且面向复杂非平稳工业过程的分布式质量相关故障检测方法。首先,利用最小冗余最大相关算法揭示和量化过程变量与质量变量之间的线性和非线性关系,并选择最具代表性的过程变量,消除所选过程变量之间的冗余性。其次,利用增广迪基–富勒检验(ADF)检验方法将所选的过程变量划分为平稳变量和非平稳变量。再次,利用工业过程的机理知识将复杂工业过程划分为多个有物理意义的子块,子块之间的信息交互通过公共变量实现,构建局部子块模型,该模型包括来自其邻居子块的信息。然后,通过偏最小二乘和长短期记忆网络方法分别提取子块中平稳变量及非平稳变量的静态特征和动态特征,并进行特征融合;利用规范变量分析算法来最大化融合后的动静态特征与质量变量之间的相关性,构建局部质量异常检测的统计量和控制限。最后,通过贝叶斯推理将局部检测结果进行融合,实现全局质量相关的故障检测。为了验证所提方法的有效性,采用河北某公司浮法玻璃生产过程的实际数据进行了实验。实验结果表明:本文所提质量相关分布式故障检测方法能够准确检测复杂非平稳过程的故障,故障检测率为100%,误报率为4%,比规范变量分析方法等具有更好的故障检测性能。综上所述,所提方法有效融合了动静特征以充分利用过程信息,在提高故障检测率同时显著降低了误报率,能够为复杂非平稳工业过程提供可靠技术支持。

基于子空间技术的分布式故障检测算法

针对集中式故障检测中传感器节点之间存在复杂信息交换问题,在子空间投影映射框架下,设计了一种基于数据驱动的分布式故障检测算法。首先在分布式离线学习阶段建立局部残差产生器,并通过子空间技术辨识相关参数。然后在分布式在线检测阶段利用平均一致性算法,使得每个传感器节点能够执行相同的测试统计量。值得一提的是,分布式策略与集中式方法具有相同的故障检测性能,并且减少了节点间不必要的数据传输,有效降低了通信负载。最后,通过数值仿真验证了提出的分布式策略能够成功地完成故障检测任务。

基于SOPC技术的MVB网卡在分布式车载故障检测记录系统中的应用

针对现有分布式车载故障检测记录系统所用控制器局域网(CAN)不适合用作车辆总线的情况,提出采用多功能车辆总线(MVB)的方案。详细阐述了系统结构改造及工作原理转换等关键设计理念,设计了一种基于SOPC(可编程片上系统)技术的多功能接口MVB网卡,给出其软硬件实现方案,最终在实验室进行组网测试,验证了设计的正确性和可行性。改造后的系统网络传输距离更远、速率更高,并且具有较好的实时性和可靠性。

一种智慧校园应用场景下的可自愈TDM-PON结构

教育信息化已经步入了智慧校园这一新阶段,具有新的内涵和技术需求.为了探索满足智慧校园体系架构中网络层功能需求的技术路线,在分析智慧校园的特征、典型应用和现有关键技术的基础上,针对目前基于树状PON结构的一些限制,包括支持虚拟专用网络及提供全分布式故障检测和恢复能力,提出了一种基于简单自愈环的时分复用无源光网结构,并研究了该结构的自动保护倒换(APS)装置的具体实现方案.

DPHM: A FAULT DETECTION PROTOCOL BASED ON HEARTBEAT OF MULTIPLE MASTER-NODES

In most of fault detection algorithms of distributed system, fault model is restricted to fault of process, and link failure is simply masked, or modeled by process failure. Both methods can soon use up system resource and potentially reduce the availability of system. A fault Detection Protocol based on Heartbeat of multiple Master-nodes (DPHM) is proposed, which can immediately and accurately detect and locate faulty links by adopting voting and electing mechanism among master-nodes. Thus, DPHM can effectively improve availability of system. In addition, in contrast with other detection protocols, DPHM reduces greatly the detection cost due to the structure of master-nodes.