基于PCA的流程工业故障诊断系统的研究毕业设计论文Word文档格式.doc
- 文档编号:13025518
- 上传时间:2022-10-02
- 格式:DOC
- 页数:77
- 大小:9.10MB
基于PCA的流程工业故障诊断系统的研究毕业设计论文Word文档格式.doc
《基于PCA的流程工业故障诊断系统的研究毕业设计论文Word文档格式.doc》由会员分享,可在线阅读,更多相关《基于PCA的流程工业故障诊断系统的研究毕业设计论文Word文档格式.doc(77页珍藏版)》请在冰豆网上搜索。
)
工作基础:
了解数据挖掘技术的基本方法,能熟练使用MATLAB软件。
研究条件:
将流程工业生产过程正常运行的样本数据作为PCA矩阵并通过对数据的预处理,得到特征值和特征向量,建立主元模型,计算SPE和Hotelling统计量的控制限。
应用环境:
基于主成分分析法的数据信息挖掘技术的研究
工作目的:
熟练掌握MATLAB的M文件编程
掌握故障诊断技术的基本分类以及基于信号处理的方法的基本步骤。
二、参考文献
[1]刘磊,张宇明,钱积新.统计过程在连续生产中的应用[J].化工自动化及仪表,第24卷,1995.
[2]于俊英,连岳.SPC在柔性设计制造中心生产加工中的应用[J].航空制造技术,2005.
[3]张公绪,孙静.统计过程控制与诊断[J].质量与可靠性,2002.
[4]刘阶萍,罗振璧,陈禹六.工序能力指数的统计分析与改进[J].北京科技大学学报,第26卷第2期,2004.
[5]高岩,杨慧中.一种主元分析方法在聚合生产过程故障检测与诊断中的应用[J].江南大学学报(自然科学版),2005.
[6]王海清,宋执环,李平.改进PCA及其在过程监控与故障诊断中的应用[J].化工学报,第52卷第6期,2001年6月.
[7]J.F.MarcGregorandT.Kourti,StatisticProcessControlofMultivariateProcesses[J],ControlPractice,Vol.3,No.3,403-414.
三、设计(研究)内容和要求(包括设计或研究内容、主要指标与技术参数,并根据课题性质对学生提出具体要求。
1、掌握MATLAB的基本使用方法,能够独立完成基本的算法设计。
2、对典型生产过程-油气水分离系统进行分析,了解其基本过程。
3、研究基于PCA和DPCA方法的故障诊断的方法和程序实现。
4、对实际的诊断效果做出相应的评价。
指导教师(签字)
年月日
审题小组组长(签字)
天津大学仁爱学院本科生毕业设计(论文)开题报告
课题名称
系名称
信息工程系
专业名称
自动化
学生姓名
苑萌
指导教师
扈书亮
一、课题来源及意义
PCA可以称为主成分分析(PrincipalComponentAnalysis,PCA)或者主元分析。
是一种掌握事物主要矛盾的统计分析方法,它可以从多元事物中解析出主要影响因素,揭示事物的本质,简化复杂的问题。
计算主成分的目的是将高维数据投影到较低维空间。
给定n个变量的m个观察值,形成一个n*m的数据矩阵,n通常比较大。
对于一个由多个变量描述的复杂事物,人们难以认识,那么是否可以抓住事物主要方面进行重点分析呢?
如果事物的主要方面刚好体现在几个主要变量上,只需要将这几个变量分离出来,进行详细分析。
但是,在一般情况下,并不能直接找出这样的关键变量。
这时我们可以用原有变量的线性组合来表示事物的主要方面,PCA就是这样一种分析方法。
PCA技术被广泛应用到各种领域,在生产中有着重要意义。
PCA的应用包括数据压缩和编解码、模式识别、图像处理、自适应波束形成、降阶控制器设计、高分辨率频谱分析(用于频率估计)等。
具体的有以下几个方面:
减少维数;
确定变量的线性组合;
特征选取,即选择最有用的变量;
多维数据的可视化;
潜在变量的识别;
识别目标或异常值的分组。
主成分分析就是试图在力保数据信息丢失最少的原则下,对这种多变量的数据表进行最佳综合简化,也就是说,对高维变量空间进行降维处理。
很显然,识辨系统在一个低维空间要比在一个高维空间容易得多。
其几何意义在于主成分分析的过程也就是坐标旋转的过程,各主成分表达式就是新坐标系与原坐标系的转换关系,新坐标系中各坐标轴的方向就是原始数据方差最大的方向,可达到简化数据结构的目的,新产生的综合变量具有不相关的性质,从而避免了信息重叠所带来的虚假性。
二、国内外发展现状
我国经过近十年来的发展,运用主成分分析的方法对高光谱遥感矿物信息特征提取已经取得了很大进展。
航空遥感中心高光谱遥感课题组对这方面进行了理论、技术方法以及规模化应用示范研究,取得了丰硕成果,取得了良好的经济与社会效益,申请了多项发明专利。
环境污染问题已经成为人们关注的焦点,为更好地监控治理污染,有必要对大气状况进行实时监测。
传统的湿式化学技术以及后续发展起来的气相色谱法、质谱和色谱联合技术等是以吸气取样后的实验分析为基础,不具备实时和连续监测能力。
近几年,运用主成分分析的光谱压缩特征提取方法对大气进行分析得出大气状况。
在国内还运用主成分分析的方法对人口、教育、地区的经济发展发面等方面研究,都取得了一定的成果。
在国外运用主成分分析的方法对医学,地质,人脸识别等领域。
在美国、英国等国家采用主成分分析的方法对氯吡格雷、肝素钠、肝素钙等低分子肝素相关产品的销售额数据进行处理,形成新的指标体系,而后应用BP神经网络的方法建立模型,评价模型的拟合能力。
在一些欧美国家用核主成分分析方法也就是主成分分析的改进算法,其采用非线性方法提取主成分,把核主成分分析应用到人脸识别中,利用核主成分分析方法选择合适的核函数在高维空间提取人脸图像的主成分,核主成分分析与传统主成分分析相比,可以得到更好的适合分类的特征,基于ORL人脸库,识别核主成分分析提取出的主成分的相关性系数。
实验结果表明,核主成分分析不仅实现了降维,而且能取得比传统主成分分析更好的识别性能,正确识别率为92.5%。
三、研究目标
熟练掌握MATLAB的M文件编程。
掌握故障诊断技术的基本分类以及基于信号处理的方法的基本步骤。
四、研究内容
五、研究方法与手段
图1 基于主元分析法的故障诊断过程
基于主元分析的生产过程故障诊断包括离线模型建立和在线故障诊断两部分。
其中离线模型建立部分实现了系统正常运行状态下相关变量的主元模型的建立,其建立过程包括:
(1)选择正常运行的样本数据作为PCA矩阵并建立DPCA增广矩阵;
(2)对PCA矩阵进行数据预处理;
(3)计算协方差矩阵的前k个特征值以及特征值所对应的特征向量;
(4)建立主元模型;
(5)计算SPE统计量/Hotelling统计量控制限。
在线故障诊断部分则实现了对实时数据的故障检测与确定故障源,其建立过程包括:
(1)选取第i时刻的实时数据向量进行标准化处理;
(2)计算基于主元模型的SPE统计量和Hotelling统计量;
(3)将各统计量的计算结果与各自的控制限比较,以确定故障状态的发生(4)计算第j个变量在第i个时刻对第l个主元的贡献,以确定故障变量;
(5)根据故障变量确定故障源和故障原因。
基于主元分析的故障诊断流程图如图1所示。
六、进度安排
1、2012.12.07-2013.03.15查找资料,了解PCA主元分析法的意义以及其故障诊断的方法和过程,了解基本的算法,了解典型生产过程-油气水分离系统及其基本过程,完成开题报告。
2、2013.03.16-2013.03.31建立主元模型,计算SPE和Hotelling统计量的控制限
3、2013.04.01-2013.04.15编写关于基于PCA的流程工业故障诊断系统m文件的程序
4、2013.04.16-2013.05.09通过做实验和仿真,对实际的诊断效果做出相应的评价
5、2013.05.10-2013.06.01撰写论文,准备答辩。
七、主要参考文献
[1]R.IsermannandP.Ball.Trendsintheapplicationofmodelbasedfaultdetectionanddiagnosisoftechnicalprocesses.InProc.ofthe13thIFACWorldCongress,volumeN,pages1-12,Piscataway,NewJersey,1996.IEEEPress.
[2]P.KesavanandJ.H.Lee.Diagnostictoolsformultivariablemodel-basedcontrolsystems.Ind.Eng.Chem.Res.,36:
2725-2738,1997.
[3]J.E.Jackson.Qualitycontrolmethodsfortworelatedvariables.IndustrialQualityControl,7:
2-6,1956.
[4]J.E.Jackson.Qualitycontrolmethodsforseveralrelatedvariables.Technometrics,1:
359-377,1959.
[5]R.O.DudaandP.E.Hart.PatternClassificationandSceneAnalysis.JohnWiley&
Sons,NewYork,1973.
[6]SeongkyuYoon,MacGregorJF.Statisticalandcausalmodel-basedapproachestofaultdetectionandisolation[J].AIChEJ,2000,46(9):
1813-1824.
[7]M.J.Piovoso,K.A.Kosanovich,andR.K.Pearson.Monitoringprocessperformanceinrealtime.InProc.oftheAmericanControlConf.,pages2359-2363,Piscataway,NewJersey,1992.IEEEPress.
[8]E.W.Jacobsen.StudiesonDynamicsandControlofDistillationColumns.PhDthesis,UniversityofTrondheim,Trondheim,Norway,1991.
[9]B.M.Wise,N.L.Ricker,D.J.Velkamp,andB.R.Kowalski.Atheoreticalbasisfortheuseofprincipalcomponentmodelsformonitoringmultivariateprocesses.Technnicalreport,EigenvectorResearch,Manson,Washington,1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 PCA 流程 工业 故障诊断 系统 研究 毕业设计 论文