基于k近邻变量贡献与重构理论的工业过程故障诊断
王国柱1
胡永涛1
李元2
杜志勇1
1.河南工学院电气工程与自动化学院,河南新乡4530032.沈阳化工大学信息工程学院,辽宁沈阳110142
摘要：针对工业过程中发生故障时异常变量的精确识别以及如何准确建立"故障–征兆"表的问题,本文提出了一种基于k近邻(k–NN)变量贡献分析和数据重构的异常变量精确识别方法.首先,将k–NN算法中各个采样时刻的统计距离指标细化,分解为每个变量的贡献并对其进行详细分析,分别从单变量和多变量异常角度进行方法的可行性验证,确定过程故障时异常变量具有较大的贡献值;其次,建立正常数据中每个变量的贡献模型用于对故障样本中的异常变量进行"一次"识别;随后提出基于k–NN理论的数据重构算法,并从重构原理方面进行分析,验证该方法具有一定的有效性.对于故障样本,根据变量贡献分析方法求取每个变量对距离指标的贡献,"一次"识别出故障发生时所对应的异常变量或征兆;进而通过数据重构理论对故障样本中异常变量值进行重构、检测和"二次"识别,直至辨识出过程中发生异常的所有变量,并得到故障与变量之间的关系,即"故障–征兆"表.
关键词：故障检测故障诊断k近邻(k—NN)数据重构异常变量
资助基金：国家自然科学基金(61673279)河南省科技攻关计划(182102210033)河南省科技攻关计划(182102210261)高层次人才科研启动基金(KQ1806)
论文发表日期：2020-03-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 639-650 )
英文信息