基于VMD-FCM-RLSSVM的多模过程故障诊断方法

为了保证工业过程的正常进行,需要及时地辨识出故障以实现故障诊断。然而,传统的故障诊断方法多是基于单模过程而不适应于多模态过程。为了解决这个问题,本文提出了一种变分模态分解(VMD)、模糊C均值(FCM)及递推最小二乘支持向量机(RLSSVM)相结合的集合型故障诊断方法。本文首先介绍了VMD方法对所采集的数据进行去噪处理,然后利用FCM进行模态区分,最后利用RLSSVM方法实现故障诊断。通过CSTH过程的仿真结果表明,该方法提高了诊断效率和性能,能够快速、有效地诊断出故障。

基于动态时间规整和自适应顺序形态变换分类的故障诊断方法

研究了将动态时间规整(DTW)用于故障诊断的技术,使具有相同趋势但时序上并不完美一致的两序列之间距离最小化,发挥其在序列匹配中的重要作用。在前期研究提出的一种采用欧式距离度量两序列间的匹配程度的基于自适应顺序形态变换分类的故障诊断方法的基础上,由采用欧式距离变为采用DTW匹配来度量信号间误差,提出了三种用于故障诊断的新的自适应顺序形态变换分类方法。通过连续搅拌釜式加热器故障诊断问题的研究验证了所提出的三种新方法的有效性,并对比了它们与前期研究提出的方法的故障诊断效果。

一种适用于多模态过程监控的集成统计指标

具有多模态特性的工业过程的数据分布呈现出与单模态过程不同的特性。在构造监控指标时,不仅要能够概括每个模态内部的数据统计特征,还要充分考虑到不同模态之间的信息。传统的T^2和SPE统计量在多模态过程中可能无法实现这一目标。提出了一种融合多模态统计信息的全局监控统计量,在贝叶斯推论的框架下,通过对每个模态的局部马氏距离赋予相应权重来实现对多模态数据的描述。通过多模态的连续反应搅拌釜(CSTH)仿真实验,验证了全局监控指标的有效性和灵敏性。