改进k-means的控制自动化系统工业故障诊断预测_陈科旭.pdf

第 卷第期 年月 收稿日期：作者简介：陈科旭（），男，辽宁辽阳人，硕士研究生，研究方向为智能算法；李凌（），女，山东梁山人，博士，副教授，硕士研究生导师，研究方向为复杂系统的控制与优化方法。改进 的控制自动化系统工业故障诊断预测陈科旭，李凌（沈阳化工大学信息工程学院，辽宁 沈阳 ）摘要：为提升自动化系统的运行效果，提出改进 的控制自动化系统工业故障诊断预测方法。该方法首先使用改进 对 化工数据聚类处理，依据处理结果完成数据信号的去噪；再基于鲁棒 方法计算信号的独立成分，建立故障诊断模型，结合建立的固定监测阈值，完成 化工过程的故障诊断；系统故障诊断后，继续对系统 化工过程实施监测，依据监测结果建立故障预测模型，结合 回归预测方法实现自动化控制系统 过程的故障自动化预测。实验结果表明，使用该方法开展控制自动化系统工业故障诊断预测时，故障诊断预测效果好。关键词：算法；自动化系统；工业控制；故障诊断；故障预测中图分类号：文献标志码：文章编号：（），（，）：，；，；，：；引言工业自动化控制系统的提出，给工业生产带来了巨大的变革。当传统的故障诊断预测方法无法有效完成系统故障检测任务时，提出更加高效的系统自动化诊断预测方法，成为有关部门亟待解决的问题。文献 提出混沌蝙蝠算法 网络控制系统故障诊断策略；文献 提出基于广义互熵主元分析的故障检测方法。但由于上述方法未能使用改进 算法对数据聚类处理，导致它们在故障诊断预测时，故障诊断预测效果差。（）为解决上述系统故障诊断预测方法存在的问题，提出改进 的控制自动化系统工业故障诊断预测。自动化系统的工业故障诊断 过程（化工生产过程）实质上是一种复杂的自动化工业系统，过程通常是在低温真空、有毒或者腐蚀等极端条件下开展的，生产系统若发生故障会带来不可估量的损失，因此，过程故障诊断是提高系统安全性的关键。基于改进 的数据聚类方法采集工业现场信息建立 化工过程数据集，并使用改进 算法，对 化工数据聚类处理。设定数据样本点为，计算结果为（）（，）（）（，）为数据样本点与之间的距离；为半径；（）为数据点密度。由于数据样本点内的数据量较多，所以在计算数据密度时，需要采用领域半径计算方法对其实施获取，结果为（）（）（）为 数据集中数据样本之间的平均距离；为半径调节系数。最后依据原始数据样本集中寻找的最大密度数据点，使用贪心算法完成数据的聚类，实现数据的划分，即，（），为数据划分结果；为聚类系数。小波去噪自动化系统在运行过程中，工业现场的信息数据会受到来自工况变动、噪声以及系统调整的影响，降低故障诊断模型的诊断精度。因此，在数据聚类后，需要使用小波分析方法对工业现场原始数据实施降噪处理。具体流程如下：通过数据的划分结果，获取工业现场信息原始信号（），通过小波分析将其分解成个层次，将噪声分离成信号的高频部分，过程为（）（）（）（）（）为噪声信号；（）为理想信号。信号分解后，通过参数的调整，建立阈值对信号实施重构，从而实现信号的去噪。故障诊断 获取信号独立成分 数据在降噪后，通过鲁棒 方法计算信号的独立成分。设定 数据样本数量为，变量为，以此建立过程数据矩阵为（）为数据混合矩阵；为独立成分矩阵；为残差矩阵；为建立的数据矩阵。矩阵建立后，使用 算法对矩阵求解，获取数据信号的独立成分，即（）为数据信号的独立成分；为数据分离矩阵。建立 模型依据提取的数据信号独立成分，设定数据的测量误差项为，获取数据样本变量的外积和为（）为负荷矢量；为数据样本变量的外积和；为样本迭代系数。基于上述计算结果可知，得分矢量是误差矩阵在负荷矢量上的映射，因此需要通过得分矢量的排序结果建立 的故障诊断模型，即 （）为建立的故障诊断矩阵；为荷载矩阵；为数据的最终残差矩阵。故障诊断模型建立时，通过 算法对数据集变量矩阵 展开计算，提取数据特征；特征提取后，依据建立的信号独立成分矩阵以及得分矩阵获取 数据的残差特征统计量，过程为（）（）（）（）为 过程数据的显著性指标；为数据在正态分布下的临界值；、以及分别为数据的主元成分特征；、为常数；为主元数量；为 数据的独立成分矢量；为残差矢量；为数据的主要陈科旭等：改进 的控制自动化系统工业故障诊断预测自动控制与检测独立统计量；为主元得分统计量；为数据的残差矩阵统计量；为显著性矢量。最后依据确定的监控统计量设定固定监测阈值，当 过程监测值超出设定阈值时，开启报警模式，完成工业自动化系统的故障诊断。过程故障预测方法 建立故障预测模型开展 过程故障预测时，依据上述计算出的数据独立成分矢量以及主元成分矢量，构建 过程故障预测模型，具体流程如下：对上述获取的 数据集实施标准化以及白化处理。结合数据独立成分矢量，计算数据独立成分负熵值，制定非高斯度阈值，通过该阈值，辨识数据成分。采用 神经网络，建立 过程故障预测模型，模型具体结构如图所示。图 过程故障预测模型建立的故障预测模型中，设定为 数据的独立成分矢量以及主元成分矢量的模型输入矢量，模型输出矢量即故障预测结果。过程故障预测故障预测模型建立后，使用 回归预测方法 对模型进行计算，通过模型输出结果，实现工业自动化控制系统的故障自动化预测。设定模型的非线性函数为（），输入矢量为，以此建立模型的 回归函数，即（）（），（）（）为模型的预测输出；为模型规划权值；为偏置项；为数据维度；为实数。依据建立的回归函数，构建模型的约束条件，即（，）（，）（）（）为常数；为预测误差；为数据样本分量；为输出数据；（，）（，）为回归函数最小值。依据制定的约束条件，引入拉格朗日算子 建立模型最终的 回归函数，实现自动化系统的 故障预测，结果为（，）（，）（）（）（，）（）为拉格朗日系数；为第个 数据的拉格朗日系数；（，）为映射函数。最后，通过建立的 回归函数，完成 数据的二次规划，实现 故障的预测。实验结果及分析为了验证上述故障诊断预测方法的有效性，分别采用本文方法、文献 方法和文献 方法开展实验测试。验证故障诊断预测方法时，选取故障诊断准确率、漏报率以及故障诊断预测时间作为故障诊断预测方法的检测指标，测试种方法在故障诊断预测时的诊断预测效果。准确率测试故障诊断的准确率是检测故障诊断预测方法的关键指标。采用本文方法、文献 方法以及文献 方法开展故障诊断预测时，测试种方法的诊断准确率，测试结果如图所示。由图可知，随着系统故障数量的增加，种方图不同方法的诊断准确率测试结果 （）法检测出的故障诊断准确率均呈现不同程度的下降趋势，但本文方法准确率检测结果是种方法中最高的。误报率测试系统在故障诊断预测时，误报率的高低会对故障诊断预测结果带来巨大影响。采用本文方法、文献 方法以及文献 方法开展故障诊断预测时，测试种方法的误报率，测试结果如图所示。图不同方法的误报率测试结果由图可知，随着系统内故障数量的增加，种故障诊断预测方法的测试结果均呈现不同程度的上升趋势。但是，本文方法在故障诊断预测时，测试出的误报率是种方法中最低的，由此可证明，本文方法在开展故障诊断预测时，具备有效性。故障诊断预测时间测试依据上述测试结果，继续对本文方法、文献方法以及文献 方法开展故障诊断预测时的故障诊断预测时间展开测试，测试结果如表所示。表不同方法的故障诊断预测时间测试结果故障数量个故障诊断预测时间本文方法文献 方法文献 方法 由表可知，随着故障数量的增加，种方法测试出的故障诊断预测时间均出现不同程度的增加。其中，本文方法的故障诊断预测时间测试结果是种方法中最低的，说明其在开展故障诊断预测时的诊断预测时间短。综上所述，使用本文方法开展系统故障诊断预测时，故障诊断准确率高、误报率低、诊断预测时间短。由此可证明，所提方法在系统故障诊断预测时，诊断预测效果好。结束语针对传统故障诊断预测方法中存在的问题，提出改进 的控制自动化系统工业故障诊断预测。该方法通过 数据去噪结果，使用鲁棒 方法以及 神经网络建立系统故障的诊断以及预测模型，实现系统的故障诊断预测。参考文献：梁金夏，潘天赐工业自动化对象仿真在流程自动化控制系统中的应用自动化技术与应用，（）：刘冠男，常振臣，高明亮，等基于长短期记忆网络的动车组轴箱轴承故障诊断预测模型研究城市轨道交通研究，（）：何燕燕混沌蝙蝠算法网络控制系统故障诊断策略火力与指挥控制，（）：，梁艳，张彦云，巩明月，等基于广义互熵主元分析的故障检测方法太原理工大学学报，（）：雷以良，严承华，陈璐基于改进 算法的网络安全设备故障案例推理研究计算机应用研究，（增刊）：韩素敏，郑书晴，何永盛基于粗糙集贪心算法的逆变器开路故障诊断电力系统保护与控制，（）：邓鹏，张良力，刘瑞，等 基于改进阈值函数小波的微电网检测信号去噪电测与仪表，（）：蒋龙陈，王红军，张顺利燃气轮机气流激振深度置信网络故障诊断模型 电子测量与仪器学报，（）：孔祥玉，解建，罗家宇，等 基于改进高效偏最小二乘的质量相 关 故 障 诊 断 控 制 理 论 与 应 用，（）：程志友，丁柏宏，余国晓基于 的短期负荷预测方法电工电能新技术，（）：闫广峰，岑敏仪 引入拉格朗日算子的最佳线性回归模型选择 大地测量与地球动力学，（）：张爱华，吕承聪，高闻孝基于 的 质量相关故障检测渤海大学学报（自然科学版），（）：