基于指定元分析的多故障诊断方法

为了克服传统主元分析(Principal component analysis,PCA)因模式复合现象而无法进行多故障诊断和诊断结果难以解释的不足,本文引入指定元分析(Designated component analysis,DCA)的思想,建立DCA多故障诊断理论的空间投影框架,从而把异常检测问题转化为将观测数据向故障子空间投影后投影能量的显著性检测问题.在确定系统存在异常的情况下,再将观测数据向故障子空间中各故障模式方向分别进行投影,根据投影能量的显著性进行多故障诊断.并利用正交补空间构造法证明了基于非正交模式指定元分解形式的可行性和收敛性,建立了一种逐步DCA多故障诊断方法以解决指定模式非正交情况下的多故障诊断问题.包含5种共存故障的观测数据的仿真研究验证了新方法的有效性.

基于指定元分析的多级相对微小故障诊断方法

设备运作过程中可能出现的微小故障,往往会因其呈现的异常征兆较小而被淹没在显著故障或噪声中,从而现有的方法难以很好地对其进行监控.本文在DCA空间投影框架下建立了观测空间的多级分解思想,并在此基础上提出一种多级相对微小故障诊断算法.将观测数据关于显著指定模式进行DCA分析,并移除显著变化模式的影响,以提高微小故障信号的信噪比.根据其向故障子空间投影能量的显著性判断残差数据中是否还包含仍未被诊断出、且具有一定影响的微小故障;根据各故障方向上投影能量的显著性进行微小故障诊断;重复以上过程,直到各级微小故障均被诊断出来.包含四种共存故障的观测数据的仿真研究,验证了该算法的有效性.

基于多尺度指定元分析的多故障诊断方法

主元分析(Principal component analysis,PCA)固有的模式复合效应使得多尺度主元分析(Multi-scaleprincipal component analysis,MSPCA)仍无法做故障模式辨识,且各尺度上和重构后数据分别建立PCA模型的计算量非常大。本文建立一种多尺度指定元分析(Multi-scale designated component analysis,MSDCA)方法,将具有明确物理意义的指定模式作为多尺度空间中观测数据和重构后观测数据的统一投影框架,旨在解决MSP-CA在多尺度空间中仍无法进行故障模式辨识的不足,并避免其在各尺度上需分别建立不同统计模型的繁琐性,同时可改进单尺度指定地分析(Designated component analysis,DCA)方法的诊断性能。仿真结果表明了该方法的有效性。

基于指定元分析的接地网多故障诊断方法研究

引入一种新的故障诊断和预测方法——指定元分析法(DCA),即先建立DCA多故障诊断理论的空间投影框架,从而把异常检测和诊断问题转换为将观测数据向故障子空间投影后投影能量的显著性检测问题。在确定系统存在异常的情况下,再将观测数据向故障子空间中各故障模式方向分别进行投影,根据投影能量的显著性进行故障的识别和多故障的诊断。给出了接地网故障诊断的实例研究,其仿真计算和诊断结果验证了新方法的有效性。

未知多故障诊断的扩展指定元分析方法

为了克服已有指定元分析(DCA)分析方法无法进行未知类型故障诊断的不足,给出一种扩展DCA(EDCA)分析方法.首先将观测数据关于已知指定模式做DCA分析,并移除相应变化模式的影响,根据残差的显著性进行未知故障的检测;在有新故障发生的情况下,利用贡献图法确定新故障模式;再将残差数据关于新故障模式做DCA分析;重复上述过程,直到残差不再显著为止.包含4种共存故障的观测数据的仿真研究表明,EDCA可以很好地进行未知故障的检测和新故障方向的确定.

一种数据驱动的故障传播分析方法

大型自动化系统包含多个紧密耦合的子系统,为了增强系统的监控性能,分析故障沿子系统的传播机制是十分必要的;而现有故障传播分析方法所固有的知识爆炸问题,则是影响其在实际中有效应用的关键瓶颈。为此,本文提出一种知识导引的数据驱动故障传播分析方法。首先,证明了输入/输出指定元间的相关性包含故障传播方向信息,并通过输入/输出指定元间的相关性分析,确定故障传播关系矩阵;然后,建立输入/输出指定元回归模型,以对输出子系统的故障影响强度进行预测,从而可以分析输入子系统中发生的故障在传播过程中的危害程度;最后,应用计算机仿真来验证新方法的有效性。

基于数据挖掘与信息融合的制冷设备故障诊断

针对传统制冷设备监控系统对单一故障检测较为准确但难以对并发故障做出判断的局限性,提出一种基于指定元分析和支持向量机两种数据挖掘方式的信息融合方法对制冷设备并发故障进行诊断。首先,基于传统指定元分析不适用于非完全正交模式,对指定元分析算法进行改良,提出了一种非完全正交指定元分析方法;其次,通过实验证明非完全正交指定元分析与支持向量机模型均具有识别并发故障的能力,且各自在不同并发故障识别有一定优势;最后,采用加权证据理论对两种模型的诊断结果进行信息融合,融合后诊断效果得到进一步提升。结果表明:命中率提升至99.10%,虚警率降低至0.21%。