基于小波變換的動態(tài)過程質量異常模式識別方法研究.pdf

1、近年來，隨著許多工業(yè)不斷轉型大型化、自動化、連續(xù)化，動態(tài)生成過程產生了大量的動態(tài)數據。為確保動態(tài)生產過程的安全和穩(wěn)定，有效的質量監(jiān)控與診斷得到越來越多的重視，多種故障診斷方法相融合的復合型診斷成為研究的熱點。其中，通過設計優(yōu)秀的特征提取算法并結合分類器進行的模式識別成為故障診斷領域的主流研究趨勢。
　　針對復雜動態(tài)過程模式識別中存在的問題，本文主要做了一下幾個方面的工作。
　　1.以卷煙廠煙絲自動加工過程為背景，通過對動態(tài)過

2、程質量異常模式識別方法進行理論分析，研究了模式識別流程中所涉及的數據處理、特征提取算法、分類器設計等。
　　2.根據動態(tài)過程的離線測量數據，獲取質量異常信息，確定動態(tài)數據流的質量異常模式。
　　3.針對強噪聲背景下混合多種異常模式的動態(tài)數據流，本文提出了一種基于靜態(tài)小波分析的奇異點檢測算法，在一定程度上提高了異常檢測的速度、準確率和抗噪性。
　　4.通過對動態(tài)數據流異常模式的自適應特征提取，結合BP神經網絡分類器，實現