基于PCA-SVDD的故障检测研究与应用

发布时间：2025-06-19 01:09

　　随着我国工业发展速度越来越快,工业流程正朝向智能化、综合化、系统化的方向发展,生产过程中高效的故障诊断和预防可以使得生产安全性得到进一步保障。因此,故障检测成为了过程自动化中非常重要的步骤,也成为核心技术的一部分,具有相当大的实践意义和价值。除此之外,随着计算机分布式控制系统技术的不断进步,规模化的工业流程信息被存储于该系统之中。在这些海量信息中挖掘,梳理出有价值的信息,从而提升诊断故障的水平,使得依托数据信息库提升检测故障的水平变为现实。当前正在应用的检测算法,通常对原始数据进行标准化处理,然后通过主元分析法(Principal Components Analysis,PCA)对标准数据进行降维。然而,传统的PCA降维方法通常会忽略各采样批次之间相关性,会导致消除掉部分有效信息,此外,传统的故障检测方法中,SVDD(Support Vector Data Description,SVDD)算法通常无法满足工业精度数据对检测精度的要求。因此,针对以上问题,本文通过改进的算法对性能进行了有效提高。本文的具体工作如下:(1)由于传统PCA算法在处理多批次降维数据时,往往会忽略数据间的相关性,...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图1.1故障检测方法分类图

第一章绪论3以通过更小的维度来进行数据集的分析，数据集本质是高维还是低维的和数据中是否拥有大量的观测变量并不一定是相关的；综合来说，工业数据集之间总有着很多的关联，冗余性在这些汇总的数据中呈现出很大规模。（3）数据的质量要求。生产作业阶段出现很多噪声，会对数据采集产生干扰，如果传....

图2.1主元变换由上图所示，无论在X轴或X轴上，其样本方差(离散程度)均偏大

第二章基于主元分析法的故障检测14图2.1主元变换由上图所示，无论在X轴或X轴上，其样本方差(离散程度)均偏大。可以看出，N个样本数据点在X和X上存在着相关性。我们通过对坐标系旋转θ角度来减少两个变量之间的相关性，新的坐标系是由转变而来，用表示，其中旋转的式子是：=th=th(2....

图2.2关于PCA算法步骤流程图

第二章基于主元分析法的故障检测16===(2.7)累计方差贡献率用符号q表示。通常，可以使85%作为贡献率的阈值，假设阈值低于q值，意味着可以借助k个主元有关的样本数据来表达初始的数据中绝大部分数据信息。(6)计算降维后的数据：=(2.8)其中，P=tt。通过PCA算法的计算，原....

图2.3改进PCA算法步骤流程图

第二章基于主元分析法的故障检测19图2.3改进PCA算法步骤流程图2.3.3改进PCA仿真实验在此次实验中，从汽车曲轴数据集中总共选择了50组样本。选取对其工作性能影响最大的3个变量，每个变量的属性符号的物理含义在表2.1中给出。表2.1符号说明符号说明主轴颈直径曲轴连杆轴颈曲轴....

本文编号：4050618