隨著工業(yè)過程的發(fā)展,其規(guī)模越來越大,流程也越來越復(fù)雜。在工業(yè)過程運(yùn)行過程中,如果設(shè)備或過程出現(xiàn)了故障而沒有得到及時(shí)的檢測與處理,不僅會(huì)降低生產(chǎn)效率,增加維護(hù)成本,嚴(yán)重時(shí)甚至?xí){到人類的生命安全。因此為了預(yù)防事故的發(fā)生,在工業(yè)現(xiàn)場引入一種實(shí)時(shí)有效的故障檢測系統(tǒng)變得十分重要。在眾多的工業(yè)過程故障檢測方法中,多元統(tǒng)計(jì)方法得到了廣泛的應(yīng)用,吸引了越來越多的工業(yè)界與學(xué)術(shù)界的關(guān)注。主元分析法（Principal Component Analysis,PCA）是最為常見的多元統(tǒng)計(jì)方法之一。其主要思想是將采集到的數(shù)據(jù)進(jìn)行降維處理,提取數(shù)據(jù)中的主元（即負(fù)荷矩陣）,從而進(jìn)行有利于后續(xù)分析的故障檢測。但其重要問題在于,降維所采用的得分矩陣通常是稠密矩陣,這使得主元的解釋性較低。而稀疏主元分析（Sparse Principal Component Analysis,SPCA）方法通過稀疏化主元負(fù)荷矩陣,提高了主元的可解釋性,并且在在線檢測時(shí)能具有更快的運(yùn)算效率。首先,針對工業(yè)過程所具有的動(dòng)態(tài)特性,本文利用SPCA的思想,結(jié)合動(dòng)態(tài)主元分析法（Dynamic Principal Component Analys... 

【文章來源】：浙江理工大學(xué)浙江省

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

過程監(jiān)控步驟

浙江理工大學(xué)碩士學(xué)位論文 基于稀疏主元分析的故障檢測研究1.2.2 故障檢測方法分類隨著故障診斷領(lǐng)域的不斷發(fā)展，越來越多的故障檢測方法被開發(fā)出來，故障檢測的分類法則也隨著方法的擴(kuò)充發(fā)生了一定的變化[15-16]。本文參考目前較為主流的對故障診斷的分類方式，將故障檢測方法分為三類[17-18]：定性檢測方法，定量檢測方法，半定量半定性檢測方法。粗略的故障檢測方法分類如圖 1.2 所示。定性分析主要利用系統(tǒng)的因果邏輯關(guān)系來對故障的具體表現(xiàn)進(jìn)行判斷，代表方法有圖論方法和專家系統(tǒng)。定量分析則是通過建立數(shù)學(xué)模型對過程數(shù)據(jù)進(jìn)行計(jì)算分析，代表方法包括模型分析和數(shù)據(jù)驅(qū)動(dòng)。

江理工大學(xué)碩士學(xué)位論文 基于稀疏主元.2 基于 PCA 的多元故障檢測方法.2.1 主元分析多元統(tǒng)計(jì)方法即對多個(gè)觀測變量進(jìn)行統(tǒng)計(jì)分析的方法，是基于數(shù)據(jù)。相比較只針對單個(gè)變量進(jìn)行統(tǒng)計(jì)分析的單變量統(tǒng)計(jì)方法，多元統(tǒng)計(jì)量之間的關(guān)聯(lián)。PCA 是最常見的多元統(tǒng)計(jì)方法之一，是一種用于降低數(shù)據(jù)可解釋性、并盡可能減少信息損失的技術(shù)。PCA 在學(xué)術(shù)領(lǐng)域和工的運(yùn)用。按照 Web of Science 的數(shù)據(jù)庫統(tǒng)計(jì)，在 2000 年至 2015 年間習(xí)方法的應(yīng)用中，PCA 的出現(xiàn)概率達(dá)到了 51%，如圖 2.2 所示[57]。1%

【參考文獻(xiàn)】：
期刊論文
[1]基于稀疏主成分分析的乳制品拉曼光譜特征提取及解析技術(shù)研究[J]. 桂冬冬,魯齊,金燦燦,張正勇,王海燕.  光譜學(xué)與光譜分析. 2018(S1)
[2]雙譜分析法在風(fēng)機(jī)軸承故障診斷中的應(yīng)用[J]. 程靜,王維慶,何山.  自動(dòng)化儀表. 2016(07)
[3]基于數(shù)據(jù)驅(qū)動(dòng)的微小故障診斷方法綜述[J]. 文成林,呂菲亞,包哲靜,劉妹琴.  自動(dòng)化學(xué)報(bào). 2016(09)
[4]基于敏感稀疏主元分析的化工過程監(jiān)測與故障診斷[J]. 劉洋,張國山.  控制與決策. 2016(07)
[5]基于魯棒ICA-PCA的TE故障診斷[J]. 衷路生,解冬東.  計(jì)算機(jī)應(yīng)用研究. 2016(10)
[6]稀疏認(rèn)知學(xué)習(xí)、計(jì)算與識(shí)別的研究進(jìn)展[J]. 焦李成,趙進(jìn),楊淑媛,劉芳,謝雯.  計(jì)算機(jī)學(xué)報(bào). 2016(04)
[7]基于稀疏主元分析的過程監(jiān)控研究[J]. 彭必燦,張正道.  計(jì)算機(jī)工程與應(yīng)用. 2014(18)
[8]微小故障診斷方法綜述[J]. 李娟,周東華,司小勝,陳茂銀,徐春紅.  控制理論與應(yīng)用. 2012(12)
[9]基于相對變換PLS的故障檢測方法[J]. 石懷濤,劉建昌,張羽,李龍.  儀器儀表學(xué)報(bào). 2012(04)
[10]用殘差CUSUM控制圖檢測自相關(guān)過程中的故障[J]. 王海濤,陳友明,陳永康,秦建英.  振動(dòng).測試與診斷. 2012(01)

博士論文
[1]基于數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜多模態(tài)過程模態(tài)識(shí)別及過程監(jiān)測研究[D]. 張淑美.東北大學(xué) 2016
[2]基于數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜工業(yè)過程故障檢測方法研究[D]. 馬賀賀.華東理工大學(xué) 2013
[3]基于符號(hào)有向圖的熱力系統(tǒng)故障診斷方法研究[D]. 曹文亮.華北電力大學(xué)（河北） 2006

碩士論文
[1]基于稀疏表示和概率主元分析的化工過程故障檢測與識(shí)別[D]. 馬超.華東交通大學(xué) 2018
[2]免疫自適應(yīng)的深度卷積神經(jīng)網(wǎng)絡(luò)故障診斷應(yīng)用研究[D]. 劉向宇.太原理工大學(xué) 2018
[3]基于PSO的間歇型乙酸乙酯生產(chǎn)線的優(yōu)化方法研究[D]. 楊嵐.浙江理工大學(xué) 2018
[4]基于數(shù)據(jù)驅(qū)動(dòng)的流程工業(yè)過程故障檢測研究[D]. 楊俊祥.天津理工大學(xué) 2017
[5]基于故障樹的故障診斷專家系統(tǒng)軟件平臺(tái)設(shè)計(jì)[D]. 彭華亮.南京理工大學(xué) 2017
[6]基于田納西—伊斯曼過程故障檢測方法研究[D]. 吳卓卓.華東交通大學(xué) 2016



本文編號(hào)：3599329