基于多特征融合的工业气动调节阀快速自学习故障诊断方法

摘要：

气动调节阀的复杂特性,使得通过建立精确数学模型来描述阀门故障较为困难,因而数据驱动技术在其故障诊断领域颇受关注.但现有商业化的调节阀其控制系统仅配置了相当有限的硬件设备,这对故障诊断模型和学习效率提出了更高的要求.为此,提出一种基于多特征融合的气动调节阀快速自学习故障诊断方法.首先,提出基于云模型(cloud model,CM)和动态内部主元分析(dynamic-inner principal component analysis,DiPCA)的特征信息融合方法,提高诊断模型的输入信息质量;其次,建立一种低差异随机配置网络,按照低差异序列以监督增量方式快速自主构造调节阀诊断模型,从而有效提高模型的学习效率和紧致性;最后,利用DAMADICS平台的实验数据验证所提出方法的快速性和准确性.

关键词：调节阀、故障诊断、快速自学习、云模型、动态内部主元分析、随机配置网络

所属期刊栏目：38

分类号：TP206.3(自动化技术及设备)

资助基金：国家自然科学基金;江苏省自然科学基金;江苏省研究生科研与实践创新计划项目;中国矿业大学研究生创新计划项目

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2934-2942