基于主元分析和支持向量回歸機(jī)的故障預(yù)測(cè).pdf

1、故障診斷是工業(yè)生產(chǎn)過(guò)程的一個(gè)重要方面，但是現(xiàn)代工業(yè)的系統(tǒng)復(fù)雜性對(duì)故障診斷提出了新的要求，傳統(tǒng)的基于數(shù)學(xué)模型的故障診斷技術(shù)變得不再實(shí)用，而基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷技術(shù)，受到人們?cè)絹?lái)越多的關(guān)注，本文在基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷基礎(chǔ)上提出了PCA-SVR故障預(yù)測(cè)模型，對(duì)故障發(fā)展的趨勢(shì)進(jìn)行預(yù)測(cè)。
　　本文首先針對(duì)傳統(tǒng)的PCA多變量監(jiān)控方法，提出了將傳統(tǒng)的Hotelling's T2統(tǒng)計(jì)量和Q統(tǒng)計(jì)量結(jié)合起來(lái)，用于故障預(yù)測(cè)，這不僅避免了單純使用兩者

2、中的一種故障檢測(cè)指標(biāo)時(shí)可能造成的故障漏報(bào)的情況，同時(shí)簡(jiǎn)化了故障預(yù)測(cè)模型。其次，提出了將移動(dòng)時(shí)間窗支持向量回歸機(jī)用于故障預(yù)測(cè)，支持向量機(jī)在解決小樣本和非線性方面具有優(yōu)勢(shì)，而故障發(fā)生時(shí)故障數(shù)據(jù)是有限的，監(jiān)控指標(biāo)是非線性變化的，這使得支持向量機(jī)成為故障預(yù)測(cè)的首選工具。移動(dòng)時(shí)間窗的方法對(duì)支持向量機(jī)的訓(xùn)練數(shù)據(jù)實(shí)時(shí)更新，不僅可以有效利用新數(shù)據(jù)的實(shí)時(shí)信息，同時(shí)還可以減小訓(xùn)練數(shù)據(jù)的規(guī)模，從而縮短支持向量機(jī)的模型建立時(shí)間和減小計(jì)算量。最后，將提出的PCA