基于故障特征时段识别的间歇过程故障诊断方法

doi:-

东北大学学报(自然科学版) ›› 2013, Vol. 34 ›› Issue (6): 761-765.DOI: -

• 信息与控制 • 下一篇

基于故障特征时段识别的间歇过程故障诊断方法

王姝¹，赵珍²，常玉清¹，谭帅¹

(1.东北大学信息科学与工程学院，辽宁沈阳110819；2.中国民航大学航空自动化学院，天津300300)

收稿日期:2012-12-24 修回日期:2012-12-24 出版日期:2013-06-15 发布日期:2013-12-31
通讯作者: 王姝
作者简介:王姝(1979-)，女，辽宁鞍山人，东北大学讲师；常玉清(1973-)，女，辽宁沈阳人，东北大学教授.
基金资助:
国家自然科学基金资助项目(61074074，61174130)；中央高校基本科研业务费专项资金资助项目(N110304010)；中国民航大学科研启动基金资助项目(2012QD22X).

Fault Diagnosis Method for Batch Process Based on Identification of Fault Feature Phases

WANG Shu¹， ZHAO Zhen²， CHANG Yuqing¹， TAN Shuai¹

1. School of Information Science & Engineering， Northeastern University， Shenyang 110819， China; 2. College of Aerospace Automation， Civil Aviation University of China， Tianjin 300300， China.

Received:2012-12-24 Revised:2012-12-24 Online:2013-06-15 Published:2013-12-31
Contact: WANG Shu
About author:-
Supported by:
-

摘要/Abstract

摘要： 间歇过程的多时段操作特性使得某一类型故障可能在一个或多个子操作时段具有明显表征，而在其他时段没有故障表征，即故障具有其相应的特征时段.提出了一种基于故障特征时段识别的故障诊断方法，通过对历史故障数据以及正常数据质心分布特征，识别历史故障的特征时段.利用多向Fisher判别分析(MFDA)方法分别建立对应的故障诊断模型，从而将故障诊断的搜索空间深入到特定的特征时段，提高了模型的诊断性能.仿真实验验证了该方法的可行性和有效性.

关键词: 间歇过程, 多时段, 故障特征时段, 多向Fisher判别分析, 故障诊断

Abstract: Because of the multiplicity of operation phases in batch process， faults may have obvious features in one or more specific operation phases， but do not show any features in other operation phases. That is， faults have corresponding feature phases. A fault diagnosis method based on identification of fault feature phases was proposed. Identification of fault feature phases was realized by comparing the differences between the centroids of historical faulty data set and the normal data set. Different fault diagnosis models were respectively developed based on multiway Fisher discriminant analysis (MFDA) to reduce the search space to specific fault feature phases and improve the diagnosis performance of the models. Simulation experimental results showed the feasibility and validity of the proposed method.

Key words: batch process, multiphase, fault feature phase, multiway Fisher discriminant analysis (MFDA), fault diagnosis

中图分类号:

TP277

王姝，赵珍，常玉清，谭帅. 基于故障特征时段识别的间歇过程故障诊断方法[J]. 东北大学学报(自然科学版), 2013, 34(6): 761-765.

WANG Shu， ZHAO Zhen， CHANG Yuqing， TAN Shuai. Fault Diagnosis Method for Batch Process Based on Identification of Fault Feature Phases[J]. Journal of Northeastern University, 2013, 34(6): 761-765.

参考文献

[1] Camacho J，Pic J，Ferrer A.Multiphase analysis framework for handling batch process data［J］.Journal of Chemometrics，2008，22(11/12):632/643.
[2] 胡学发，王姝，王福利，等.基于子时段递推MFDA的水压机故障诊断方法［J］.仪器仪表学报，2009，30(2):247/251.(Hu Xuefa，Wang Shu，Wang Fuli，et al.Stagebased recursive MFDA strategy for fault diagnosis on hydrostatic tube tester［J］.Chinese Journal of Scientific Instrument，2009，30(2):247/251.)
[3] 赵珍，王福利，贾明兴，等.水压试验系统液压泵的建模与故障仿真分析［J］.系统仿真学报，2011，23(4):803/807.(Zhao Zhen，Wang Fuli，Jia Mingxing，et al.Modeling and fault simulating of hydraulic pump on hydraulic tube tester［J］.Journal of System Simulation，2011，23(4):803/807.)
[4] 陈亚华，蒋丽英，郭明，等.基于多向Fisher判据分析的间歇过程性能监控［J］.吉林大学学报，2004，22(4):384/387.(Chen Yahua，Jiang Liying，Guo Ming，et al.Monitoring batch processes using multiway Fisher discriminant analysis［J］.Journal of Jilin University，2004，22(4):384/387.)
[5] Wang S，Zhao Z，Chang Y Q，et al.Phasebased RMFDA fault diagnosis method using bootstrap technique［J］.Advances in Intelligent and Soft Computing，2012，125:343/350.
[6] Jiang L Y，Xie L，Wang S Q.Fault diagnosis for batch processes by improved multimodel fisher discriminant analysis［J］.Chinese Journal of Chemical Engineering，2006，14(3):343/348.
[7] Hu J M，Lu C，Tao X C.Fault diagnosis for rolling bearing based on EMD and FDA［C］//2012 International Conference on Future Information Technology and Management Science & Engineering.Hong Kong，2012:134/139.
[8] Fisher R A.The utilization of multiple measurements in taxonomic problem［J］.Annals of Eugenics，1936，7(2):179/188.

[1]	王宏伟，张昊天，韩杰，刘晨宇. 不确定车辆电子稳定控制系统传感器故障估计[J]. 东北大学学报（自然科学版）, 2023, 44(1): 1-8.
[2]	王娜，李杨，彭锟. 基于多角度特征提取的舵机故障诊断方法[J]. 东北大学学报（自然科学版）, 2022, 43(9): 1240-1249.
[3]	侯东晓，穆金涛，方成，时培明. 基于GADF与引入迁移学习的ResNet34对变速轴承的故障诊断[J]. 东北大学学报（自然科学版）, 2022, 43(3): 383-389.
[4]	任朝晖，于天壮，丁东，周世华. 基于VMD-DBN的滚动轴承故障诊断方法[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1105-1110.
[5]	罗忠，徐迪，李雷，马辉. 基于改进二阶循环平稳解卷积的轴承故障检测方法[J]. 东北大学学报（自然科学版）, 2021, 42(5): 673-678.
[6]	张永超，李琦，任朝晖，周世华. 基于域适应与分类器差异的滚动轴承跨域故障诊断[J]. 东北大学学报（自然科学版）, 2021, 42(3): 367-372.
[7]	王新刚，王超，韩凯忠. 基于优化VMD和MCKD的滚动轴承早期故障诊断方法[J]. 东北大学学报（自然科学版）, 2021, 42(3): 373-381.
[8]	李国军，李依擎，邱勇. 园区供热管网泄漏工况建模及分析[J]. 东北大学学报:自然科学版, 2020, 41(10): 1402-1409.
[9]	侯延彬，陈炳均，高宪文. 基于GM-ELM的有杆泵抽油井故障诊断[J]. 东北大学学报:自然科学版, 2019, 40(12): 1673-1678.
[10]	徐林，郑晓彤，付博，田歌. 基于改进GAN算法的电机轴承故障诊断方法[J]. 东北大学学报:自然科学版, 2019, 40(12): 1679-1684.
[11]	王大志，江雪晨，宁一，赵琳琳. 一种改进的电网故障诊断解析模型[J]. 东北大学学报:自然科学版, 2016, 37(8): 1065-1069.
[12]	江雪晨，王大志，宁一，刘晓琴. 基于模型诊断和skyline查询的电网故障诊断[J]. 东北大学学报:自然科学版, 2016, 37(6): 765-769.
[13]	刘鑫蕊，高艺伟，王智良. 基于改进时间模糊Petri网配电网故障诊断方法[J]. 东北大学学报:自然科学版, 2016, 37(11): 1526-1529.
[14]	孙效玉，邓鹏宏，赵明. 多时段露天矿生产计划整体优化模型[J]. 东北大学学报:自然科学版, 2016, 37(10): 1460-1464.
[15]	关守平，付冲，侯金芬. 一种新的间歇过程多模式辨识方法[J]. 东北大学学报:自然科学版, 2015, 36(3): 327-331.

基于故障特征时段识别的间歇过程故障诊断方法

Fault Diagnosis Method for Batch Process Based on Identification of Fault Feature Phases

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价