本文關(guān)鍵詞：基于極限學(xué)習(xí)機(jī)的復(fù)雜工業(yè)過(guò)程故障識(shí)別研究及應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代工業(yè)的飛速發(fā)展,如何在保持高效生產(chǎn)的同時(shí)保證工業(yè)過(guò)程的安全性與可靠性成為一個(gè)關(guān)鍵問(wèn)題,而故障識(shí)別是其中非常重要的一環(huán)。由于海量的工業(yè)過(guò)程數(shù)據(jù)得以保存,基于數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過(guò)程故障識(shí)別技術(shù)受到廣泛關(guān)注并有著大量成功的應(yīng)用。神經(jīng)網(wǎng)絡(luò)方法是基于數(shù)據(jù)驅(qū)動(dòng)方式的一種,為解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練時(shí)間長(zhǎng)、易陷入局部極小的問(wèn)題,本文提出了基于極限學(xué)習(xí)機(jī)(ELM)的故障識(shí)別方法,并在原始算法的基礎(chǔ)上加以?xún)?yōu)化,利用工業(yè)數(shù)據(jù)進(jìn)行仿真驗(yàn)證,得到了良好的故障識(shí)別效果,兼具訓(xùn)練速度快、故障識(shí)別準(zhǔn)確率高的特點(diǎn)。本文的主要研究工作和成果包括以下幾個(gè)方面：1)針對(duì)工業(yè)過(guò)程數(shù)據(jù)維數(shù)高、干擾噪聲嚴(yán)重,以及ELM分類(lèi)算法存在分類(lèi)結(jié)果不穩(wěn)定且分類(lèi)準(zhǔn)確率較低的問(wèn)題,將主元分析方法(PCA)與極限學(xué)習(xí)機(jī)相結(jié)合,利用PCA對(duì)過(guò)程數(shù)據(jù)進(jìn)行預(yù)處理,去除數(shù)據(jù)中的噪聲與冗余信息,提出PCA-ELM分類(lèi)算法,該算法在保持了快速的訓(xùn)練速度的同時(shí)大幅度提高了分類(lèi)準(zhǔn)確率,分類(lèi)結(jié)果穩(wěn)定性也得到提升。2)為了提升PCA-ELM分類(lèi)算法的分類(lèi)準(zhǔn)確率,利用ELM分類(lèi)算法的結(jié)構(gòu)特點(diǎn)重新設(shè)計(jì)面向多分類(lèi)任務(wù)的分類(lèi)器,提出基于單分類(lèi)方式的ELM優(yōu)化分類(lèi)算法(One-Class-PCA-ELM)。該算法將訓(xùn)練數(shù)據(jù)按各個(gè)單類(lèi)進(jìn)行分割與整合并分別建立模型,各個(gè)單類(lèi)的特征信息充分地包含在相應(yīng)的單類(lèi)模型上,從而能夠更加有效準(zhǔn)確地對(duì)待分類(lèi)數(shù)據(jù)進(jìn)行類(lèi)別匹配。仿真結(jié)果表明,One-Class-PCA-ELM分類(lèi)算法同樣保持了極快的訓(xùn)練速度,顯著提高了分類(lèi)準(zhǔn)確率。此外,針對(duì)One-Class-PCA-ELM分類(lèi)算法分類(lèi)過(guò)程中存在異常分類(lèi)的問(wèn)題,對(duì)其加以?xún)?yōu)化與改進(jìn),以進(jìn)一步提高分類(lèi)準(zhǔn)確率,仿真試驗(yàn)表明算法效果比較理想。3)將各類(lèi)基于ELM的分類(lèi)算法應(yīng)用于核電站反應(yīng)堆冷卻劑系統(tǒng)(RCP)的故障識(shí)別仿真試驗(yàn)以驗(yàn)證算法的有效性,重點(diǎn)研究了本文提出的One-Class-PCA-ELM分類(lèi)算法及其優(yōu)化分類(lèi)算法的故障識(shí)別性能。仿真結(jié)果表明,Improved-One-Class-PCA-ELM分類(lèi)算法在RCP系統(tǒng)故障識(shí)別中取得了良好的故障識(shí)別效果,兼具訓(xùn)練速度快、故障識(shí)別準(zhǔn)確率高的特點(diǎn),算法有效、可行。
【關(guān)鍵詞】：故障識(shí)別 數(shù)據(jù)驅(qū)動(dòng) 極限學(xué)習(xí)機(jī) 單分類(lèi)建模 主元分析
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP277;TP181
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 第1章 緒論11-15
• 1.1 引言11
• 1.2 復(fù)雜工業(yè)過(guò)程監(jiān)控與故障識(shí)別研究現(xiàn)狀11-12
• 1.3 極限學(xué)習(xí)機(jī)研究現(xiàn)狀12-13
• 1.4 論文的主要研究?jī)?nèi)容及結(jié)構(gòu)安排13-15
• 第2章 基于ELM的復(fù)雜工業(yè)過(guò)程故障識(shí)別15-27
• 2.1 引言15
• 2.2 極限學(xué)習(xí)機(jī)基本原理15-17
• 2.3 基于ELM的分類(lèi)算法17-18
• 2.4 仿真實(shí)例18-25
• 2.4.1 TE過(guò)程簡(jiǎn)介18-19
• 2.4.2 基于ELM的TE過(guò)程故障識(shí)別仿真19-22
• 2.4.3 ELM分類(lèi)算法與SVM分類(lèi)算法性能比較22-25
• 2.5 本章小結(jié)25-27
• 第3章 基于PCA-ELM的復(fù)雜工業(yè)過(guò)程故障識(shí)別27-37
• 3.1 引言27
• 3.2 主成分分析27-28
• 3.3 基于PCA-ELM的分類(lèi)算法28-29
• 3.4 仿真實(shí)例29-35
• 3.4.1 基于PCA-ELM的TE過(guò)程故障識(shí)別仿真29-31
• 3.4.2 PCA-ELM分類(lèi)算法與ELM分類(lèi)算法性能比較31-33
• 3.4.3 PCA-ELM分類(lèi)算法與PCA-SVM分類(lèi)算法性能比較33-35
• 3.5 本章小結(jié)35-37
• 第4章 基于單分類(lèi)優(yōu)化PCA-ELM的復(fù)雜工業(yè)過(guò)程故障識(shí)別37-59
• 4.1 引言37
• 4.2 單分類(lèi)故障識(shí)別方式37-39
• 4.3 基于One-Class-PCA-ELM的分類(lèi)算法39-44
• 4.4 基于Improved-One-Class-PCA-ELM的分類(lèi)算法44-48
• 4.5 仿真實(shí)例48-57
• 4.5.1 基于One-Class-PCA-ELM的TE過(guò)程故障識(shí)別仿真48-52
• 4.5.2 基于Improved-One-Class-PCA-ELM的TE過(guò)程故障識(shí)別仿真52-57
• 4.6 本章小結(jié)57-59
• 第5章 核電站反應(yīng)堆冷卻劑系統(tǒng)故障識(shí)別仿真應(yīng)用59-71
• 5.1 核電站反應(yīng)堆冷卻劑系統(tǒng)(RCP)簡(jiǎn)介59-61
• 5.1.1 核電站總體介紹59-60
• 5.1.2 核電站反應(yīng)堆冷卻劑系統(tǒng)介紹60-61
• 5.1.3 故障數(shù)據(jù)集選取61
• 5.2 核電站反應(yīng)堆冷卻劑系統(tǒng)故障識(shí)別仿真應(yīng)用61-70
• 5.2.1 基于ELM與PCA-ELM的核電站RCP系統(tǒng)故障識(shí)別仿真應(yīng)用61-65
• 5.2.2 基于One-Class-PCA-ELM及其優(yōu)化算法的核電站RCP系統(tǒng)故障識(shí)別仿真應(yīng)用65-69
• 5.2.3 仿真應(yīng)用結(jié)果對(duì)比與分析69-70
• 5.3 本章小結(jié)70-71
• 第6章 總結(jié)與展望71-73
• 6.1 本文總結(jié)71-72
• 6.2 研究展望72-73
• 參考文獻(xiàn)73-81
• 在學(xué)期間取得的科研成果81-82
• 作者簡(jiǎn)介82

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 肖涵;李友榮;呂勇;;非趨勢(shì)波動(dòng)分析及其在齒輪故障識(shí)別中的應(yīng)用[J];煤礦機(jī)械;2008年07期

2 謝慧敏;;淺析電機(jī)故障識(shí)別及診斷[J];電子制作;2014年05期

3 白士紅,徐明,岳國(guó)勝;灰色系統(tǒng)關(guān)聯(lián)分析在故障識(shí)別中的應(yīng)用[J];沈陽(yáng)航空工業(yè)學(xué)院學(xué)報(bào);2000年02期

4 李天恩;何楨;;基于主成分修整和線(xiàn)性判別分析的重疊故障識(shí)別[J];系統(tǒng)工程學(xué)報(bào);2012年05期

5 屈梁生,史東鋒;機(jī)械診斷中的故障識(shí)別問(wèn)題[J];設(shè)備管理&維修;1998年05期

6 許潔;胡壽松;;灰關(guān)聯(lián)分析在殲擊機(jī)操縱面故障識(shí)別中的應(yīng)用[J];南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版);2006年03期

7 扶碧波;方宗德;沈云波;;綜合應(yīng)用小波包支持向量機(jī)直升機(jī)齒輪故障識(shí)別及實(shí)驗(yàn)研究[J];機(jī)械科學(xué)與技術(shù);2011年11期

8 譚曉棟;邱靜;劉冠軍;曾慶虎;苗強(qiáng);;基于小波能譜熵-隱半馬爾可夫模型的故障識(shí)別方法及應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2009年10期

9 孫京誥,李秋艷,楊欣斌,黃道;基于蟻群算法的故障識(shí)別[J];華東理工大學(xué)學(xué)報(bào);2004年02期

10 李榮雨;楊小健;殷絢;;基于映射向量和加權(quán)Q貢獻(xiàn)圖的故障識(shí)別研究[J];化工自動(dòng)化及儀表;2010年12期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 顧小軍;楊世錫;錢(qián)蘇翔;;基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械多類(lèi)故障識(shí)別研究[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

2 王啟志;王曉霞;;基于粗糙集理論的磨削燒傷故障識(shí)別[A];2007'中國(guó)儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

3 司愛(ài)威;馮輔周;江鵬程;饒國(guó)強(qiáng);王建;;基于可變風(fēng)險(xiǎn)SVM模型的故障識(shí)別方法研究[A];第十屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集（2011）上冊(cè)[C];2011年

4 許潔;胡壽松;申忠宇;;殲擊機(jī)操縱面故障的灰色識(shí)別法[A];2005全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集（三）[C];2005年

5 尹雪嬌;逄玉俊;王貴成;;一種基于蟻群算法的故障聚類(lèi)新方法[A];第十九屆測(cè)控、計(jì)量、儀器儀表學(xué)術(shù)年會(huì)(MCMI'2009)論文集[C];2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 肖涵;基于高斯混合模型與子空間技術(shù)的故障識(shí)別研究[D];武漢科技大學(xué);2007年

2 金文;基于可拓性理論的設(shè)備故障診斷方法研究[D];沈陽(yáng)工業(yè)大學(xué);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 鄭進(jìn)勇;基于FTA-SVM的車(chē)輛發(fā)動(dòng)機(jī)故障識(shí)別方法研究[D];河南科技大學(xué);2015年

2 蔣丹;斷路器測(cè)試信號(hào)處理及故障識(shí)別方法研究[D];華北電力大學(xué);2015年

3 裘日輝;基于極限學(xué)習(xí)機(jī)的復(fù)雜工業(yè)過(guò)程故障識(shí)別研究及應(yīng)用[D];浙江大學(xué);2016年

4 朱鵬飛;基于特征空間鄰域結(jié)構(gòu)分析的故障識(shí)別方法[D];哈爾濱工業(yè)大學(xué);2011年

5 李嚴(yán);基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的故障識(shí)別[D];燕山大學(xué);2012年

6 李曼;基于機(jī)器學(xué)習(xí)的故障識(shí)別方法與系統(tǒng)研制[D];北京交通大學(xué);2015年

7 張立家;基于全矢譜的瞬態(tài)信號(hào)表征與故障識(shí)別研究[D];鄭州大學(xué);2008年

8 彭鑫;基于稀疏矩陣的高爐故障識(shí)別研究[D];武漢科技大學(xué);2014年

9 裴迅;區(qū)域保護(hù)故障識(shí)別算法及動(dòng)作策略研究[D];華北電力大學(xué);2014年

  本文關(guān)鍵詞：基于極限學(xué)習(xí)機(jī)的復(fù)雜工業(yè)過(guò)程故障識(shí)別研究及應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：331228