基于改进重构贡献图的故障定位方法

针对重构贡献(RBC)方法仅适合单变量故障的定位及贡献图中出现拖尾效应(SE)的问题,本文提出一种基于改进重构贡献图(MRBCP)的故障定位方法。采用概率主元分析(PPCA)建立监视模型和统一量度的监视统计量,克服PCA方法中不同量度的监视统计量造成的诊断结果不一致的缺点。对于故障样本,以变量的重构监视统计量为贡献统计量,通过组合最大化思想对故障变量进行逐次定位。在历史故障信息未知的情况下,能够进行多变量故障的定位,然后在定位出的故障变量中进行贡献图分析,进一步对故障变量实现准确定位,从而避免了拖尾效应。通过数值案例和TE过程——实际化工过程的真实模拟过程进行实验,并与基本RBC方法、基于PCA的MRBCP方法进行比较,结果表明了所提方法的有效性。

高速列车双通道速度传感器故障检测与隔离研究

高速列车双通道速度传感器在随列车高速运行时受粉尘、振动、温度变化等因素影响,易出现车轴故障检测虚漏警或误诊等问题。现阶段工程中常利用测试对比等方法检测速度传感器状态,但无法及时监测且易产生虚报警。因此,利用改进主元分析法(PCA)和改进重构贡献图法(IRBCP)建立全新的速度传感器故障检测隔离系统。首先,利用可检测故障幅值选择合适的故障检测统计量并细化,再利用基于组合最大化思想的改进重构贡献图法,确保单故障、多故障均可隔离。以高速列车双通道速度传感器为例,实验验证了所提的策略能够满足常见速度传感器故障的检测隔离需求,准确有效。