隨著科技水平的發(fā)展以及人類生活對化工產品多樣化的需求,現(xiàn)代化工過程的生產規(guī)模與日俱增,生產過程更加趨于復雜化、自動化。自動化的生產過程雖然是人工智能進步的體現(xiàn),但也加大了系統(tǒng)各個部分的耦合性,從而增加了系統(tǒng)發(fā)生故障的風險。本文針對現(xiàn)代化工生產過程的特點,提出一種將支持向量機（support vector machines,SVM）和人工神經網絡相結合的信息融合故障診斷方法,將SVM和BP（Back Propagation）神經網絡的初步診斷結果作為證據體,再利用D-S（Dempster-Shafer）證據理論對兩個證據體進行融合處理得到新的診斷結論。本文以TE（Tennessee Eastman）過程為研究對象,以TE過程中的數(shù)據為實驗仿真數(shù)據,主要完成了以下工作:（1）研究了主元分析（Principal Component Analysis,PCA）和 SVM 相結合的故障診斷方法。利用PCA對TE過程數(shù)據進行故障特征提取,然后使用交叉驗證的方法對SVM的參數(shù)進行優(yōu)化,從而對TE過程進行故障診斷。仿真結果表明,該法比單一的SVM法有更高的故障識別率,將這一方法的診斷結果作為D-S證據... 

【文章來源】：沈陽理工大學遼寧省

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【部分圖文】：

故障診斷方法的分類圖

２．１引言??ＴＥ過程是一個仿真系統(tǒng)，由ＴｅｎｅｓｓｅｅＥａｓｔｍａｎ公司的Ｄｏｗｎｓ等人根據當時公??司的實際生產過程提出，其工藝流程見圖２．１。在過程系統(tǒng)工程領域的研究中，ＴＥ??過程是一個常用的標準問題，其較好地仿真了實際復雜工業(yè)過程系統(tǒng)的許多典型??特征，被廣泛應用于故障診斷的研巧中，本文所使用的數(shù)據巧來自于ＴＥ過程。??２．２?ＴＥ過程的工芝流程??ＴＥ過程共有五個主要操作單元，它們分別是反應器、冷凝器、分離器、壓縮??機和氣提塔，整個過程涉及從Ａ到Ｈ共８種成分，其中Ａ、Ｃ、Ｄ和Ｅ為氣體成??分，Ｂ為惰性成分，Ｇ和Ｈ為液態(tài)產物。ＴＥ過程的反應過程是首先將氣體成分和??惰性成分放進反應器中，經過一系列化學反應后，會得到液態(tài)產物，而Ｆ則是得到??的副產品，它們之間的反應如下式所示??Ａ（ｇ）＋Ｃ（ｇ）＋Ｄ（ｇ）－＞Ｇ（ｌｉｑ）??Ａ（ｇ）＋Ｃ（ｇ）＋Ｅ（ｇ）＾Ｈ（ｌｉｑ）??（２－１）??Ａ（ｇ）ｆＥ（ｇ）－＞Ｋｌｉｑ）??３Ｄ（ｇ）－＞２Ｆ（ｌｉｑ）??上式中標有ｇ的表示該物質是氣體成分

ＳＰＥ?＜Ｑａ么＝０、ｆａ吟顆?＋?１＋０九訴ａ?白＼?０１??ｙ?＝?ｌ，２，３），／ｉ＾＝ｌ－當晏，Ｃ。是正太分布的（１００－ａ）％的＝ｋ＋＼?３句??于ＰＣＡ的故障檢測??ＰＣＡ的故障檢測流程圖如圖３．１所示，其基本策略是：獲得檢的樣本集，求取根據正常工況樣本集的主元并構造主元子空間，ｒ２統(tǒng)計量設為正常狀態(tài)的控制限；將測試樣本或實時采樣的信間并計算其統(tǒng)計量，若其超出了正常狀態(tài)的控制限，則認為系綿無需了解系統(tǒng)的結構和原理，建模簡單，易于實現(xiàn)Ｐ７Ｌ??開始?．??

【參考文獻】：
期刊論文
[1]基于EEMD形態(tài)譜和支持向量機復合的滾動軸承故障診斷方法[J]. 姜萬錄,鄭直,胡浩松.  工程科學學報. 2015(S1)
[2]基于布谷鳥算法和支持向量機的變壓器故障診斷[J]. 薛浩然,張珂珩,李斌,彭晨輝.  電力系統(tǒng)保護與控制. 2015(08)
[3]基于支持向量機的逆變電源故障診斷[J]. 王飛,金毅,黃細霞.  電測與儀表. 2015(05)
[4]基于EEMD和進化支持向量機的齒輪混合智能診斷方法研究[J]. 肖成勇,石博強,馮志鵬.  機械科學與技術. 2015(01)
[5]基于模糊粗糙集和支持向量機的化工過程故障診斷[J]. 王鮮芳,王歲花,杜昊澤,王平.  控制與決策. 2015(02)
[6]基于優(yōu)化支持向量機的采煤機故障診斷技術[J]. 劉沖.  山東農業(yè)大學學報(自然科學版). 2015(01)
[7]基于改進多尺度主元分析的故障監(jiān)測[J]. 李立,齊詠生,王林,高學金,王普.  計算機與應用化學. 2014(08)
[8]動態(tài)不確定因果圖在化工過程故障診斷中的應用[J]. 楊佳婧,張勤,朱群雄.  智能系統(tǒng)學報. 2014(02)
[9]基于LMD邊際譜的柴油機氣門故障診斷[J]. 劉昱,張俊紅,畢鳳榮,林杰威,李維偉,魯鑫.  內燃機工程. 2014(06)
[10]基于SVM和D-S證據理論的電力變壓器內部故障部位識別[J]. 司馬莉萍,舒乃秋,李自品,黃勇,羅曉慶.  電力自動化設備. 2012(11)

博士論文
[1]基于特征提取與信息融合的工業(yè)過程監(jiān)測研究[D]. 童楚東.華東理工大學 2015
[2]基于支持向量機的汽輪機軸系振動故障智能診斷研究[D]. 張超.華北電力大學（河北） 2009
[3]基于支持向量機的水電機組故障診斷研究[D]. 鄒敏.華中科技大學 2007
[4]支持向量機在機器學習中的應用研究[D]. 羅瑜.西南交通大學 2007

碩士論文
[1]SVM參數(shù)尋優(yōu)及其在分類中的應用[D]. 徐曉明.大連海事大學 2014
[2]基于改進T-PLS的化工過程故障診斷研究[D]. 薛永飛.蘭州理工大學 2014
[3]基于支持向量機的航空發(fā)動機故障診斷研究[D]. 李文杰.沈陽航空航天大學 2014
[4]TE過程故障診斷方法比較研究[D]. 張姮.沈陽理工大學 2014
[5]改進支持向量機在故障診斷中的應用[D]. 劉春衛(wèi).華東理工大學 2014
[6]基于改進SOM算法的化工過程故障診斷研究[D]. 陳心怡.華東理工大學 2013
[7]基于人工神經網絡的化工過程的故障診斷[D]. 谷雷.沈陽理工大學 2008
[8]混凝土輸送泵故障模糊診斷的研究[D]. 劉素梅.安徽農業(yè)大學 2005



本文編號：2926006