基于廣義非負(fù)矩陣投影算法的故障檢測與診斷研究.pdf

1、在日趨復(fù)雜的工業(yè)過程中,為了保障設(shè)備的安全運行,提高生產(chǎn)效率,改善產(chǎn)品質(zhì)量,特別是盡可能避免災(zāi)難性事故的發(fā)生,對過程狀態(tài)進行故障檢測與診斷(FDD)是十分必要的。同時,由于計算機集散控制系統(tǒng)的應(yīng)用和發(fā)展,工業(yè)過程中會不斷有大量的測量數(shù)據(jù)儲存在歷史數(shù)據(jù)庫中。如果能夠有效的利用這些海量數(shù)據(jù),從中挖掘出能夠反映系統(tǒng)狀態(tài)的隱含信息,就可以建立良好的故障檢測與診斷模型。這種基于數(shù)據(jù)的故障檢測與診斷方法已經(jīng)成為當(dāng)前的一個研究熱點。
　　作為一

2、種新興的多元統(tǒng)計分析方法,非負(fù)矩陣分解(NMF)在智能信息處理研究領(lǐng)域具有十分重要的應(yīng)用意義。由于在機理上具有隱變量的正向純加性的特點, NMF方法在實現(xiàn)數(shù)據(jù)壓縮(或曰維數(shù)約簡)時,能夠基于數(shù)據(jù)的局部特征來描述數(shù)據(jù)的信息,因而表現(xiàn)出了比傳統(tǒng)的方法如主元分析(PCA)等更好的數(shù)據(jù)解釋能力。
　　鑒于NMF方法具有重要的研究和應(yīng)用價值,本文旨在探討將其應(yīng)用到FDD新方法的研究之中。首先,考慮到 FDD領(lǐng)域的特點和要求,本文提出一種廣義

3、非負(fù)矩陣投影(GNMP)算法作為處理過程數(shù)據(jù)的核心算法。然后,本文基于GNMP算法研究提出一類 FDD新模型;進而對該模型在增強魯棒性、增加自適應(yīng)特性以及引入類別信息的監(jiān)督機制等方面來進行擴展。
　　具體來說,本文的主要工作和貢獻體現(xiàn)在以下幾個方面:
　　(1)在現(xiàn)有NMF理論和方法的基礎(chǔ)上,提出一種嵌入線性投影的NMF新方法——廣義非負(fù)矩陣投影(GNMP)算法。該方法放寬了原始數(shù)據(jù)的非負(fù)條件,分解得到的基矩陣具有更好的稀疏

4、性和正交性,并且該方法的乘性迭代規(guī)則具有理論上的收斂性。
　　(2)考慮過程數(shù)據(jù)的非高斯性,建立基于GNMP算法的故障檢測與診斷模型:提出兩個適合 GNMP模型的監(jiān)控統(tǒng)計量——N2和SPE;然后采用核密度估計方法來確定統(tǒng)計量的控制限,以用來在線檢測過程的異常情況;另外,為了診斷故障的位置,還設(shè)計了針對GNMP的貢獻圖方法。
　　(3)研究加強GNMP模型的魯棒性來解決復(fù)雜工況中出現(xiàn)的數(shù)據(jù)缺失現(xiàn)象,具體為在GNMP算法的基礎(chǔ)上

5、融入EM算法的思想,提出一種處理不完整數(shù)據(jù)的新算法,該方法可以在分解原始數(shù)據(jù)空間的過程中,將丟失的數(shù)值估計出來,進而建立數(shù)據(jù)缺失情況下的魯棒故障檢測與診斷模型。
　　(4)針對復(fù)雜工況中出現(xiàn)的時變性問題,研究對GNMP模型增加自適應(yīng)特性的方法,具體為在GNMP算法的基礎(chǔ)上結(jié)合移動窗技術(shù),本文提出一種基于MWGNMP的自適應(yīng)故障檢測與診斷方法。該方法可以在過程的穩(wěn)態(tài)發(fā)生變化的時候,自適應(yīng)地更新故障檢測與診斷的模型,使得該過程仍然保持