过程故障诊断技术总结
合集下载
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)。
五、最优主元个数选取方法
1、累计方差贡献率准则 2、PRESS检验法准则
3、未重构方差模型
4、SCREE检验法模型
五、最优主元个数选取方法
1、累计方差贡献率准则 2、PRESS检验法准则
3、未重构方差模型
4、SCREE检验法模型
某种最优主元个数的选取原则
六、其他多元统计方法
1.3 故障诊断技术发展概况
1.4 故障诊断的实现过程 1.5 故障诊断方法简介
一、绪论
1.1 故障诊断技术的目的和意义 1.2 故障诊断的任务
1.3 故障诊断技术发展概况
1.4 故障诊断的实现过程
1.5 故障诊断方法简介(故障树故障检测的
基本流程)
二、专家系统
2.1 专家系统概述 2.2 专家系统故障诊断原理 2.3 专家系统故障诊断方法
• •
时域分析方法 频域分析方法
•
时频域分析方法
七、基于信号处理的故障诊断
• •
时域分析方法(主要变量) 频域分析方法(主要方法包括?)
•
时频域分析方法(小波是什么?为何
能实现时频域分析?)
八、解析法
• • •
参数估计
状态估计 等价空间
八、解析法
• • •
参数估计(基本原理)
状态估计(基本原理) 等价空间
2.4 专家系统开发工具—PROLOG语言
二、专家系统
2.1 专家系统概述 2.2 专家系统故障诊断原理 2.3 专家系统故障诊断方法
2.4 专家系统开发工具—PROLOG语言
三、多元统计分析(PCA)
PCA降维原理
三、多元统计分析(PCA)
PCA降维原理
Байду номын сангаас
四、基于PCA的故障检测与诊断
十、基于支持向量机的故障诊断
• • •
•
•
支持向量机的优化目标 线性分类器的求解(最优分类面定义) 核函数 松弛因子 利用支持向量机进行故障诊断
1、平方预测误差(Q统计量) 2、Hotelling’s T2 统计量
3、基于贡献图法的故障诊断
4、Bayes分类器
四、基于PCA的故障检测与诊断
1、平方预测误差(Q统计量) 2、Hotelling’s T2 统计量
3、基于贡献图法的故障诊断
4、Bayes分类器
Q统计量与T2统计量的区别与联系 Bayes进行故障分类的原理
过程故障诊断技术总结
一、绪论 二、专家系统 三、多元统计分析(PCA) 四、基于PCA的故障检测与诊断 五、最优主元个数选取方法 六、其他多元统计方法 七、基于信号处理的故障诊断方法 八、解析法 九、基于神经网络的故障诊断方法 十、基于支持向量机的故障诊断方法
一、绪论
1.1 故障诊断技术的目的和意义 1.2 故障诊断的任务
九、人工神经网络技术及其在故 障诊断中的应用
1 神经网络基础 2 BP神经网络
3 神经网络在故障诊断中的应用
九、人工神经网络技术及其在故 障诊断中的应用
1 神经网络基础 2 BP神经网络(结构)
3 神经网络在故障诊断中的应用
十、基于支持向量机的故障诊断
• • •
•
•
支持向量机简介 线性分类器的求解 核函数 松弛因子 利用支持向量机进行故障诊断
1、费舍尔判别分析法(FDA) 2、偏最小二乘法(PLS) 3、规范变量分析法(CVA)
4、独立元分析法(ICA)
六、其他多元统计方法
1、费舍尔判别分析法(FDA) 2、偏最小二乘法(PLS)
3、规范变量分析法(CVA)
4、独立元分析法(ICA)
各种多元统计方法的异同
七、基于信号处理的故障诊断