面向CSTH過(guò)程的集合故障診斷方法研究.pdf

1、隨著現(xiàn)代化工業(yè)技術(shù)的發(fā)展，工業(yè)過(guò)程發(fā)生故障的類(lèi)型呈現(xiàn)出多元化、復(fù)雜化的發(fā)展趨勢(shì)。如果設(shè)備發(fā)生故障，而無(wú)法正確的檢測(cè)與診斷出故障來(lái)源與類(lèi)型，將導(dǎo)致整個(gè)工業(yè)過(guò)程無(wú)法正常進(jìn)行，從而嚴(yán)重影響工業(yè)過(guò)程的生產(chǎn)效率和經(jīng)濟(jì)效益。鑒于此，對(duì)工業(yè)過(guò)程進(jìn)行及時(shí)、有效的故障監(jiān)測(cè)與診斷顯得尤為重要。為了提高故障診斷的快速性、準(zhǔn)確性等性能，本文提出了一種基于變分模態(tài)分解(VMD)-改進(jìn)的模糊C均值(IFCM)-即時(shí)學(xué)習(xí)(JITL)-遞推最小二乘支持向量機(jī)(RLSS

2、VM)的集合型故障診斷方法。
　　從工業(yè)現(xiàn)場(chǎng)采集來(lái)的數(shù)據(jù)由于外界因素或者設(shè)備本身的因素往往含有大量噪聲，因此對(duì)采集到的數(shù)據(jù)進(jìn)行去噪處理是必不可少的。本文利用了VMD方法對(duì)數(shù)據(jù)進(jìn)行去噪處理，它相對(duì)于傳統(tǒng)算法具有魯棒性強(qiáng)、采樣效應(yīng)小等優(yōu)點(diǎn)。它將數(shù)據(jù)分解為一個(gè)個(gè)的獨(dú)立分量，通過(guò)獨(dú)立成分得到去噪后的數(shù)據(jù)。在模態(tài)識(shí)別方面，為了有效的辨識(shí)出發(fā)生故障的模態(tài)屬于哪個(gè)工況，本文采用了 IFCM方法進(jìn)行了模態(tài)區(qū)分。為了及時(shí)有效的建立模型并適應(yīng)工況的變