本文選題：控制系統(tǒng) + 故障診斷　； 參考：《華北電力大學》2017年碩士論文

【摘要】：隨著科學技術的不斷推進,現(xiàn)代控制系統(tǒng)的規(guī)模逐漸大型化,復雜程度也日益增大。為了提高控制系統(tǒng)的安全性和可靠性,需要對整個系統(tǒng)的運行狀態(tài)進行監(jiān)控,及時發(fā)現(xiàn)系統(tǒng)的故障信息,進而采取相應的措施,防止災難性事故的發(fā)生。復雜的控制系統(tǒng)很難得到精確的數(shù)學模型,這導致傳統(tǒng)的基于模型的故障診斷方法在應用上存在很大的局限性,而由于計算機技術的迅速發(fā)展,使得控制系統(tǒng)能夠獲得越來越多的數(shù)據(jù)信息,基于數(shù)據(jù)驅動的故障診斷方法就是在這種情況下應運而生的。本文以控制系統(tǒng)為研究對象,利用了基于數(shù)據(jù)驅動的方法進行故障診斷研究。首先,需要對控制系統(tǒng)進行故障檢測,判斷有無故障的發(fā)生。針對這一問題,提出了基于特征提取與聚類相結合的故障檢測方法。該方法利用慢特征分析對控制系統(tǒng)的正常數(shù)據(jù)與故障數(shù)據(jù)進行特征提取,再采用模糊C-均值聚類算法,獲得正常數(shù)據(jù)的聚類中心,并選取簇類半徑作為閾值,構建待檢測數(shù)據(jù)與聚類中心的差值模型,判斷控制系統(tǒng)的待檢測數(shù)據(jù)相對于正常狀態(tài)是否發(fā)生了偏離。其次,構建控制系統(tǒng)故障庫,對故障類型進行分類。整個系統(tǒng)由于引入了閉環(huán)控制規(guī)律,使得故障在系統(tǒng)內傳播,最終可能使不同的故障產(chǎn)生相近的數(shù)據(jù),因此將上述提取的故障特征與控制系統(tǒng)的故障特性相結合,提高故障特征的區(qū)分性。利用減法聚類的自適應特性,確定待檢測的故障是否為故障庫中已知的故障類型。然后再對待檢測的故障數(shù)據(jù)進行模式匹配,判斷故障類型。最后,將上述方法應用到電廠的過熱汽溫控制系統(tǒng)中進行方法驗證。
[Abstract]:With the continuous advancement of science and technology, the scale of modern control system is becoming larger and more complex. In order to improve the security and reliability of the control system, it is necessary to monitor the running state of the whole system, find out the fault information in time, and then take corresponding measures to prevent the occurrence of catastrophic accidents. The precise mathematical model is rare in the hybrid control system, which leads to the limitation of the traditional model based fault diagnosis method, and because of the rapid development of computer technology, the control system can obtain more and more data information. The method based on the data driven fault diagnosis is in this case. This paper takes the control system as the research object and uses the data driven method to study the fault diagnosis. First, it needs to detect the fault in the control system and judge whether there is a fault. The characteristics of the normal data and the fault data of the control system are extracted, and then the fuzzy C- mean clustering algorithm is used to obtain the clustering center of the normal data, and the cluster radius is selected as the threshold, and the difference model of the data to be detected and the cluster center is constructed to determine whether the data to be detected in the control system occurs relative to the normal state. Secondly, the fault Bank of the control system is constructed, and the fault types are classified. The whole system is introduced the closed loop control law, which makes the fault spread in the system, and may eventually cause the different faults to produce the similar data. Therefore, the fault characteristics mentioned above are combined with the fault characteristics of the control system to improve the fault characteristics. By using the adaptive characteristic of subtraction clustering, it determines whether the fault to be detected is a known fault type in the fault bank. Then, the fault data is matched by mode and the type of fault is judged. Finally, the above method is applied to the superheated steam temperature control system of the power plant to verify the method.
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP273;TP277

【參考文獻】

相關期刊論文 前10條

1 韓敏;張占奎;;基于加權核獨立成分分析的故障檢測方法[J];控制與決策;2016年02期

2 童楚東;史旭華;;基于互信息的PCA方法及其在過程監(jiān)測中的應用[J];化工學報;2015年10期

3 何會會;李鋼虎;要慶生;賀曉凱;石超雄;;用慢特征分析算法實現(xiàn)水聲信號盲分離[J];聲學技術;2014年03期

4 張也維;范家璐;;基于重構貢獻的雙容水箱故障診斷方法[J];解放軍理工大學學報(自然科學版);2014年02期

5 周東華;劉洋;何瀟;;閉環(huán)系統(tǒng)故障診斷技術綜述[J];自動化學報;2013年11期

6 張君昌;李明;谷衛(wèi)東;;融合減法聚類與C-均值聚類的目標定位方法[J];計算機仿真;2012年07期

7 唐甜;王旭昊;;某控制系統(tǒng)傳感器組件故障樹算法優(yōu)化設計[J];科學技術與工程;2012年16期

8 彭秀艷;柴艷有;滿新江;;基于PCA-KFCM的船舶柴油機故障診斷[J];控制工程;2012年02期

9 楊健維;何正友;趙靜;張海平;;一種基于小波變換的模糊聚類算法及其應用[J];大連海事大學學報;2008年03期

10 田質廣;張慧芬;;基于遺傳聚類算法的油中溶解氣體分析電力變壓器故障診斷[J];電力自動化設備;2008年02期

相關博士學位論文 前1條

1 牛征;基于多元統(tǒng)計分析的火電廠控制系統(tǒng)故障診斷研究[D];華北電力大學（河北）;2006年

相關碩士學位論文 前4條

1 何思武;基于PCS-C型實驗裝置的先進控制策略實時仿真研究[D];河北科技大學;2015年

2 遲金磊;變風量空調系統(tǒng)的變工況故障檢測與診斷研究[D];上海交通大學;2014年

3 劉暢;基于改進的聚類算法的復雜系統(tǒng)故障診斷研究[D];沈陽理工大學;2013年

4 龔學兵;基于聚類分析的衛(wèi)星姿態(tài)控制系統(tǒng)故障診斷方法研究[D];哈爾濱工業(yè)大學;2011年

，

本文編號：2008559