分享到:

基于SDG模型的故障诊断及应用研究

在工业生产特别是流程工业中,在进行故障诊断研究时,存在着难以建立精确定量模型的困难,利用检测变量残差的方法进行故障诊断也存在许多困难。根据过程的作用机理和元素关系建立反映系统深层知识的定性模型,如符号定向图(SDG),然后与其它的定量方法相结合,研究基于SDG模型的半定量故障诊断方法,不失为一种新途径。然而,SDG模型的理论及其在流程工业中的应用还有很多问题有待解决,包括SDG的建模方法、推理机制、与定量算法的融合等。论文以流程工业的SDG模型建模和基于SDG模型的故障诊断方法为研究重点,主要研究四个问题:(1)深入分析了SDG模型的特性,利用微分代数方程,论证了SDG模型是一个具有线性初始响应的定性模型,研究了流程工业SDG模型中由于负反馈和前馈导致的补偿响应和逆响应对基于SDG模型的故障诊断的影响,即其对相容路径的破坏,采用矩阵理论给出了SDG模型的数学描述。(2)研究了SDG模型的建立方法,论证了模型驱动的SDG节点信息和  (本文共178页) 本文目录 | 阅读全文>>

太原理工大学
太原理工大学

基于符号有向图和支持向量机的故障诊断方法的研究

符号有向图(Signed Directed Graph, SDG)是在图论的基础上发展起来的一种基于定性分析的故障诊断方法,能够有效地表达复杂系统的各个变量之间的相互关系,具有很强的完备性同时又具有灵活的推理方式和有效的推理算法能够提供故障传播的路径,给出故障发生的详细解释。然而由于SDG是基于定性的故障诊断方法,测量信号中许多有用的定量信息被忽略或无法被考虑,导致故障诊断分辨率不高。支持向量机(Support Vector Machine, SVM)是在统计学习理论的基础上发展起来的一种新的机器学习方法。采用结构风险最小化思想的SVM同时考虑了经验风险和置信区间的最小,能够获得最好的泛化能力,是专门研究小样本情况下机器学习的理论。其次,SVM巧妙地采用“核函数”,将低维非线性空间映射到高维线性特征空间的同时,并没有增加求解最优分类面的复杂度,解决了高维空间中计算带来的“维数灾难”问题。SVM以其深厚的数学基础和极强的泛化能力,...  (本文共152页) 本文目录 | 阅读全文>>

燕山大学
燕山大学

基于SDG-FTA方法的催化裂化装置故障诊断研究

催化裂化装置作为炼油过程的重要组成部分,其生产工艺流程复杂、操作变量及设备种类繁多,发生故障的概率较高。因此对该装置的故障诊断问题进行研究具有重要的现实意义。本文根据符号有向图(SDG)揭示潜在故障传播规律及完备性的优点和故障树分析(FTA)在定量分析中的优势,完成了SDG和FTA相结合的故障诊断研究工作。首先,以炼化工业中易发生事故的催化裂化装置为研究对象,在充分考虑该装置工作条件及状态的前提下,提出了基于流程图法和经验知识法相结合的SDG模型建模方案和基于SDG模型建立故障树模型的方案。然后,分别建立了反应-再生系统、烟气能量回收系统、分馏系统及吸收稳定系统的SDG模型和故障树模型,并利用“下行法”完成故障树模型的定性分析,得到了模型的最小割集。其次,针对各系统故障树模型基本事件发生故障概率的模糊性问题,利用三角模糊数理论求得基本事件概率模糊数,进而求得最小割集概率模糊数,确定顶事件概率及基本事件概率重要度,对比每个系统中各...  (本文共81页) 本文目录 | 阅读全文>>

太原理工大学
太原理工大学

基于模糊-SDG的锅炉系统故障诊断方法研究

锅炉作为化工系统的主要设备,它的安全可靠运行直接关系着化工系统的经济效益。因此锅炉的有效故障检测和故障诊断变得尤为重要,而锅炉故障诊断的核心是故障诊断方法。基于SDG模型的故障诊断方法是由图论发展而来的定性故障诊断方法之一,它能在掌握较少的定量信息的情况下建立系统的模型,并很好地展示了系统变量间的影响关系,而且使得故障传播路径一目了然。因此其成为基于模型故障诊断的一种常用方法。SDG模型完备性好、鲁棒性强,但利用SDG模型推理故障源时,系统越大越容易出现“组合爆炸”,产生多义性,使得诊断结果的分辨率不高,并且诊断过程中需要加入大量的人为限制条件。模糊理论是一种纯定量性的数学,它能够将模糊概念进行数学定量化,有利于模糊问题的求解。针对SDG故障诊断存在定性诊断和分辨率低的问题,本文将模糊理论的思想引入到SDG模型建立和SDG故障推理中,提出了基于模糊-SDG模型的故障诊断方法。本文所做的研究工作有以下几点:(1)针对传统SDG模型...  (本文共95页) 本文目录 | 阅读全文>>

北京化工大学
北京化工大学

SDG故障诊断专家系统及其Visual Prolog实现

故障诊断技术大致分为基于模型的方法和基于历史的方法,其中符号有向图SDG模型是一种深层知识模型,能够揭示复杂系统的变量间内在因果关系及影响,是定性仿真的一个重要分支,是一种重要的故障诊断方法。本文在总结前人有关SDG故障诊断研究的基础上,对基于SDG的故障诊断方法进行了系统而深入的研究,着重研究了SDG建模和推理机制,对复杂系统SDG故障传播规律进行了详细的研究,发展并完善了基于图论的故障诊断方法。为了克服SDG模型的固有缺陷,提高诊断分辨率和诊断速度,阐述了将SDG方法和专家系统方法相结合的思想,对基于SDG的故障诊断专家系统进行了详细研究,摒弃了传统由SDG模型推导产生式规则的浅层知识库设计方法,提出直接以SDG图模型深层知识作为所开发专家系统的深层知识库,同时将专家的知识和经验作为浅层知识库。最后对该专家系统的推理机算法进行了详细研究并且给出算法。本文的SDGExpert专家系统是基于Visual Prolog语言实现的,...  (本文共109页) 本文目录 | 阅读全文>>

太原理工大学
太原理工大学

基于主元分析的符号有向图故障诊断方法与应用

符号有向图(SDG)方法不依赖于精确数学模型,使用该方法进行故障诊断时,完备性较好,能对故障的传播路径提供详细解释,而且可以表达该工艺流程变量之间的影响关系,是一种应用广泛的定性方法。但是传统的SDG方法存在对模型非常依赖、节点的状态和上下限的阈值难以确定、在计算大规模系统时诊断速度比较慢以及分辨率低的缺点。所以可以将其他的故障诊断方法与传统的SDG故障诊断方法相结合,综合利用各种方法的优点,提高诊断的效率和减少诊断时间。主元分析(PCA)是一种基于数据驱动的定量的统计学方法,可处理高度相关、含噪和高维的数据,在特征提取、数据压缩或故障诊断等方面应用广泛,使用该方法不需知道系统的工艺流程,只需通过历史数据建立其PCA统计模型,根据模型对系统变量进行诊断。但是PCA方法存在缺点,即只能找出异常变量,不能确定故障源,这与PCA方法与系统过程的工艺流程无关有直接的联系,没有按照故障传播路径进行推理的能力。本文在对SDG故障诊断原理和方...  (本文共79页) 本文目录 | 阅读全文>>