基于数据驱动的工业仪表在线故障检测方法研究
文献类型：学位论文
| 作者 | 韩晓佳
|
| 答辩日期 | 2021-05-21 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 徐皑冬 |
| 关键词 | 传感器和执行器 故障检测 噪声分析 小波变换 典型变量分析 |
| 学位名称 | 博士 |
| 学位专业 | 检测技术与自动化装置 |
| 其他题名 | Research on Online Fault Detection Methods of Industrial Instruments Based on Data Driven |
| 英文摘要 | 本文针对工业现场传感器和执行器的故障检测展开研究。主要研究内容如下：（1）基于噪声分析的传感器故障检测研究与实现。传统采用硬件冗余的故障检测方法缺点是成本高和占用空间大，噪声分析的优点是不用增加额外的硬件开销，成本低，适用于工业现场的实时诊断。本文采用噪声分析的方法实现传感器的在线诊断功能。首先对噪声信号进行低通滤波，然后，通过Welch算法得到噪声信号的功率谱密度，并利用传感器的一阶特性得到传感器的特征频率，根据传感器的特征频率来判断传感器的工作状态。通过实验数据分析得出，故障状态的传感器特征频率大于正常状态的特征频率，从而验证了噪声分析的方法在智能传感器中的可行性。（2）基于二次小波变换的传感器故障检测研究。实际的工业生产过程比较复杂，因此过程信号存在非平稳性。直接利用过程信号去分析容易产生较高的误警率。针对传感器在线故障检测的问题，首次提出了一种基于二次小波变换的故障检测算法。首先，离散小波变换用于从过程信号中提取噪声。由于过程噪声信号与传感器的内部结构和状态有关，因此使用巴特沃斯低通滤波器滤除高频电干扰信号以获得过程噪声信号。然后，用连续小波变换从过程噪声信号中检测故障。实验结果表明，基于二次小波变换的故障检测算法优于基于过程信号分析的方法。（3）基于离散小波变换和灰色模型的传感器故障检测研究。漂移是传感器故障诊断的难题。本论文首次提出了一种基于离散小波变换和灰度模型的传感器漂移检测方法。首先，应用离散小波变换将传感器数据的噪声部分与趋势部分分开。然后，将灰度模型用于趋势部分中的时间序列预测。最后，计算由预测的和当前去噪的传感器数据生成的残差，并将其与用于漂移检测的预选阈值进行比较。因为残差不服从高斯分布，所以本文使用核密度估计方法，此方法无需高斯假设即可选择预选阈值。应用连续搅拌釜反应器和核电控制测试装置中的传感器实验数据，通过分析证明了所提出的方法的有效性。（4）基于噪声分析的执行器故障检测研究。针对调节阀这类执行器的在线故障检测问题，论文首次提出了一种基于噪声分析的调节阀故障检测方法。首先利用小波分解技术提取过程信号的噪声，然后，通过数字滤波减少干扰信号。最后，从统计角度出发，计算过程噪声的统计数字特征自相关函数来检测故障是否发生。仿真结果表明，该方法可以检测出调节阀的阀门堵塞故障。同时验证了该方法的可行性和有效性。（5）基于典型变量分析的执行器故障检测研究。基于典型变量分析，由于传统的统计指标Hotelling T2和平方预测误差仅考虑过去的数据，因此相应的故障检测率较低。为了提高故障检测率，本文提出了一种基于典型变量分析的马氏距离的故障检测方法。通过仿真数据和实际工业数据的分析结果表明，与现有的Hotelling T2和平方预测误差相比，所提出的方法可以改善故障检测率。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 136页 |
| 源URL | [http://ir.sia.cn/handle/173321/29016]  |
| 专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
| 作者单位 | 中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 韩晓佳. 基于数据驱动的工业仪表在线故障检测方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2021. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。