基于数据驱动的故障诊断方法
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
从首以先通上过可一以个看非出线，性P映C射A函本 质数上Φ将是历对史历数史据数映据射集到特所征构 成空的间F输的入数据空空间间作中线；性然变而对换， 使数F数 通中的据据过数分预它特据类选只征集。的对的运K核用P服提C函PA从取C数的A高效代技关斯果替键术映分明在进于射行布显，， 但函在数多Φ作数用情时况，下要数进据行内集积具 有运任算意，不分用布必的须特找点到，Φ，特将别 是PC在A方非法线扩性展结到构基和于不神经能网用 线P络 据 线C性性具的AP方有分非CA非线法类神线性显的经性P得情网C的A络力况，情比不下在况传从，某下统心些传，PC数非。统A
自相关性
对于间隔较短的优化工程，除了考
虑 自 方不 相 法同 关 ：X变 性 采量 。 用 之 动xxtMTtT1间态的的xx相PtTtMT12C关A技性OLL 术，xxtT，还tTMhh1构要 造考一虑 个t时刻和历xtT史hn数x据tTh的n1训L练矩xtT阵n 。
PCA综述与扩展
KPCA是一种非线性PCA技术，
测出异常状态。
基于统计分析
基于PCA
PCA降维
利 维 方 部用即向分XP可，，C反进极A技映而大xxM12术历从简11 降史海化xx维数量数M1222 后据数据OLL，的据利通大中用常部 抓 。xx1M2mm只分 住需变 主2化 要~3
xn1
xn2
L
xnm
PCA技术将系统高维历史数据组成矩 阵，进行一系列矩阵运算后确定若 干正交向量，历史数据在这些向量 上的投影反映数据变化最大的几个 方向，舍去数据变化较小的方向， 由此可将高维数据降维表示.
基于数据驱动的故障检测技术，实现了大型 复杂系统需要监控的变量大幅度增加和获得的大 型数据和小型简单过程相比呈量级增长的需要。
分类
故障诊断方法可以分为三类：
基于数据驱动故障诊断方法可以看做
是基于数据驱动的控制优化方法的一个子
基 领域，其核心思想是如何利用受控系统的
于 在线和离线数据，该方法所采用的数据来
PLS方法通过最大化X和Y之间 的协方差来确定装载向量，这样 找出的的装载向量能够准确地表 现不同故障差异，利于进行分类。
不足之处：是装载向量只反映 了X变化最大的几个方向，当这 些方向不足以包含区分故障所需 要的足够信息时，PCA就不能起 到故障分类的作用。
基于信号分析
基于信号分析 的故障诊断方 法就是利用各 种信号分析技 术提取信号时 域和频域的特 征。
数 源于当前采样的在线数据和系统存储的大
据 量历史离线数据。所以，明确离线、在线
故 的区别和对于数据的要求，是实现数据利
障 用的第一步。
诊
基于数据驱动的故障诊断方法可作为
断 基于机理模型方法的重要补充，目前采用
方 的分布式控制系统（DCS）可以提供一个
法 用于全局管理监控的平台，用高质量的过
程数据进行过程优化和监控。
基于数据驱动的 故障诊断方法
2015-11-05
周瑞坤 魏宇涛 曹凯
背景 基于统计分析 基于信号分析 基于定量知识 致谢
故障诊断技术的现状
近20年来，现代化工、冶金、机械、物流 等工业呈现大型化、复杂化发展的新趋势，这些 大型复杂化工业过程的一个共同点就是一方面无 法依靠传统方法建立精确的物理模型，另一方面 产生大量反应过程运行机理和运行状态的数据， 由于实际限制、成本优化、技术商机等因素的考 量，如何利用这些数据来满足日益提高系统可靠 性要求已经成为亟待解决的问题。
基于统计分析的方法主要依 靠分析过程数据统计量，从 其中的变化提取特征。应用 统计理论进行故障诊断的前 提是系统中必须出现故障， 否则过程数据的特征统计量 只能在一定的、可以接受的 范围内波动。
虽然某个变量每次观测的 具体数值不能准确预测， 但其平均值和方差等特征 统计量会保持不变，这种 特性成为特征统计量的可 重复性，利用该重复性可 以针对特定变量设定特定 的门限值，从而有效地检
n2行表示放n置2故个障数类据0 2属1的于观0故测L障数类据02 ，，
以此以类此推类，推Y对。应 MX选M取M的OY的一M
种形式如下： 0 1 0 L 0
M
M
MO
M
0 0 0 L 0
M
M
wenku.baidu.com
MO
M
0 0 0 L 1
相 比 于 PCA 的 优 缺 点
PLS方法
PLS
PCA方法找出训练数据X变化 最大的几个方向，代表这几个方 向的向量组成装载矩阵对新观测 数据进行归类，从而到故障分类 的作用。
S变换
小波变换
希尔伯特-黄变 换（HHT）
基于定量知识
基于知识的故障诊 断方法不需要定量 的数学模型，利用 人工智能技术，即 通过教计算机如何 学习、推理和决策 等实现故障诊断。
支持向量机
人工神经网络
模糊逻辑
谢谢！
能够更多地捕捉到数据变化。
基于PCA
在模式分类中，通常用“1”
表在P示L同S方类法，中“，0”行表列示重非新同排
列 ，类假，设前有n 1p行类只故有障第，1 列每元类素故
障 观为1测，到其的余向为量0，数表分示别有为nn1i
（ 置1属个 行≤于与数i≤前故据pn属障）1于类行，故数X111M的中障据00观M 的类线前测1性00M，n数无O LL后1关据行N，00放M ，2
自相关性
对于间隔较短的优化工程，除了考
虑 自 方不 相 法同 关 ：X变 性 采量 。 用 之 动xxtMTtT1间态的的xx相PtTtMT12C关A技性OLL 术，xxtT，还tTMhh1构要 造考一虑 个t时刻和历xtT史hn数x据tTh的n1训L练矩xtT阵n 。
PCA综述与扩展
KPCA是一种非线性PCA技术，
测出异常状态。
基于统计分析
基于PCA
PCA降维
利 维 方 部用即向分XP可，，C反进极A技映而大xxM12术历从简11 降史海化xx维数量数M1222 后据数据OLL，的据利通大中用常部 抓 。xx1M2mm只分 住需变 主2化 要~3
xn1
xn2
L
xnm
PCA技术将系统高维历史数据组成矩 阵，进行一系列矩阵运算后确定若 干正交向量，历史数据在这些向量 上的投影反映数据变化最大的几个 方向，舍去数据变化较小的方向， 由此可将高维数据降维表示.
基于数据驱动的故障检测技术，实现了大型 复杂系统需要监控的变量大幅度增加和获得的大 型数据和小型简单过程相比呈量级增长的需要。
分类
故障诊断方法可以分为三类：
基于数据驱动故障诊断方法可以看做
是基于数据驱动的控制优化方法的一个子
基 领域，其核心思想是如何利用受控系统的
于 在线和离线数据，该方法所采用的数据来
PLS方法通过最大化X和Y之间 的协方差来确定装载向量，这样 找出的的装载向量能够准确地表 现不同故障差异，利于进行分类。
不足之处：是装载向量只反映 了X变化最大的几个方向，当这 些方向不足以包含区分故障所需 要的足够信息时，PCA就不能起 到故障分类的作用。
基于信号分析
基于信号分析 的故障诊断方 法就是利用各 种信号分析技 术提取信号时 域和频域的特 征。
数 源于当前采样的在线数据和系统存储的大
据 量历史离线数据。所以，明确离线、在线
故 的区别和对于数据的要求，是实现数据利
障 用的第一步。
诊
基于数据驱动的故障诊断方法可作为
断 基于机理模型方法的重要补充，目前采用
方 的分布式控制系统（DCS）可以提供一个
法 用于全局管理监控的平台，用高质量的过
程数据进行过程优化和监控。
基于数据驱动的 故障诊断方法
2015-11-05
周瑞坤 魏宇涛 曹凯
背景 基于统计分析 基于信号分析 基于定量知识 致谢
故障诊断技术的现状
近20年来，现代化工、冶金、机械、物流 等工业呈现大型化、复杂化发展的新趋势，这些 大型复杂化工业过程的一个共同点就是一方面无 法依靠传统方法建立精确的物理模型，另一方面 产生大量反应过程运行机理和运行状态的数据， 由于实际限制、成本优化、技术商机等因素的考 量，如何利用这些数据来满足日益提高系统可靠 性要求已经成为亟待解决的问题。
基于统计分析的方法主要依 靠分析过程数据统计量，从 其中的变化提取特征。应用 统计理论进行故障诊断的前 提是系统中必须出现故障， 否则过程数据的特征统计量 只能在一定的、可以接受的 范围内波动。
虽然某个变量每次观测的 具体数值不能准确预测， 但其平均值和方差等特征 统计量会保持不变，这种 特性成为特征统计量的可 重复性，利用该重复性可 以针对特定变量设定特定 的门限值，从而有效地检
n2行表示放n置2故个障数类据0 2属1的于观0故测L障数类据02 ，，
以此以类此推类，推Y对。应 MX选M取M的OY的一M
种形式如下： 0 1 0 L 0
M
M
MO
M
0 0 0 L 0
M
M
wenku.baidu.com
MO
M
0 0 0 L 1
相 比 于 PCA 的 优 缺 点
PLS方法
PLS
PCA方法找出训练数据X变化 最大的几个方向，代表这几个方 向的向量组成装载矩阵对新观测 数据进行归类，从而到故障分类 的作用。
S变换
小波变换
希尔伯特-黄变 换（HHT）
基于定量知识
基于知识的故障诊 断方法不需要定量 的数学模型，利用 人工智能技术，即 通过教计算机如何 学习、推理和决策 等实现故障诊断。
支持向量机
人工神经网络
模糊逻辑
谢谢！
能够更多地捕捉到数据变化。
基于PCA
在模式分类中，通常用“1”
表在P示L同S方类法，中“，0”行表列示重非新同排
列 ，类假，设前有n 1p行类只故有障第，1 列每元类素故
障 观为1测，到其的余向为量0，数表分示别有为nn1i
（ 置1属个 行≤于与数i≤前故据pn属障）1于类行，故数X111M的中障据00观M 的类线前测1性00M，n数无O LL后1关据行N，00放M ，2