基于主成分分析法的变风量空调系统传感器故障诊断

在已经建立的建筑空调系统仿真器的基础上,针对变风量（VAV）空调系统的传感器故障,提出一种基于主成分分析（PCA）和法则相结合的传感器故障诊断方法。建立了PCA模型,将由传感器测量值所组成的测量空间分解为主成分和残差两个子空间,进行故障检测后再由基于法则的策略进行故障重构。仿真试验表明,该方法不仅能够准确地检测并隔离传感器故障,而且可以初步地进行故障重构,为进一步研究传感器的故障诊断提供了必要的基础。     

变风量空调系统传感器故障检测与诊断

在建立变风量空调系统仿真器的基础上，针对系统的温度、流量和压力传感器等进行故障的检测与诊断．提出基于主成分分析的方法，根据系统正常的历史运行数据建立数理统计模型，通过传感器实测数据与正常数据在故障子空间投影的比较，对传感器的故障进行在线检测；提出联合角度法通过比较新发故障向量与故障库中各经验故障向量在两个子空间投影的夹角，在线分离出故障源．结果表明，提出的主成分分析和联合角度的方法对于变风量空调系统传感器故障有较为准确和快速的检测和诊断效果．     

提高空调系统传感器小故障检测能力的方法研究

提出了用主成分分析法建立系统的模型,通过检测测量数据在残差子空间内的投影大小来检测故障.分析认为造成传感器小故障难于检测的原因在于测量数据的嗓声太大,并提出采用指数加权滑动平均滤波器来提高系统小故障检测能力的方法.实验表明,方法是有效的.图3,参8.     

基于动态加权差分主成分分析的故障检测

针对工业过程中存在的动态特性和多模态特性问题,提出一种动态加权差分主成分分析法(dynamic weighted differential principal component analysis,DWDPCA)。首先通过设置合理的时间窗描述系统的时序特性;其次对时间窗内的样本寻找第一近邻和第一近邻的近邻集,使用加权差分法对数据进行处理,解决数据中心漂移问题;最后利用处理好的数据建立主成分分析(principal component analysis,PCA)模型进行故障检测。该方法可解决数据动态、中心漂移问题。使用该方法对数值例子和TE(tennessee eastman)过程进行故障检测验证所提出方法的有效性。     

暖通空调系统传感器的故障检测

在暖通空调系统中,传感器测量信号的正确与否将直接影响系统能否正常地运行和实现需要的控制,同时也影响对其它设备进行故障诊断时结果的正确性。该文对传感器的故障检测进行研究。提出了一种诊断传感器慢漂移故障的方法——系统比较和优化的方法。这种方法以系统出现故障的传感器总是少数为假设条件,通过检测系统各个变量测量值的一致性来检测传感器故障。模拟和工程应用表明,这种方法对传感器慢漂移故障的检测是非常有效的,但是这种方法的可靠性取决于系统规模的大小和出故障的传感器在系统中的具体位置。这种方法对空调系统的运行有实际意义。     

基于主元分析的故障可检测性的统计指标比较

基于主元分析的传感器故障检测方法中,SPE和H aw k in T2H是两个重要指标,针对目前应用中SPE指标有不足,而H aw k ins T2H指标一直没有得到重视的问题,该文通过分析对比SPE和T2H指标的控制限和基于主元分析的传感器故障可检测性的充分条件,得出了SPE和T2H指标的可检测故障幅值计算公式。定性分析了SPE和T2H指标对不同传感器故障具有不同的检测能力,并通过数值仿真进行了验证。指出由于T2H和SPE指标各有优劣,因此在实际传感器故障检测中应该联合使用。     

基于APCA的电站热力过程故障传感器自适应检测方法

为自动适应电站热力过程的连续变化,提出了基于APCA的电站热力过程传感器故障诊断方法,通过模型参数的自动更新,使模型及时反映当前的系统状态,从而连续可靠运行.对PCA重构残差进行研究,在对电站实际测量数据可靠性分析的基础上提出了参数自适应预估计方法,利用预估计值来替代故障数据,以抑制残差污染,提高重构参数的准确性.利用电厂实际测量参数进行了算例分析,表明所提算法能很快适应系统状态变化,并给出正确的检测结果,即使在系统同时存在多个传感器故障时,通过对不良数据的检验,也能够获得准确的重构数据.     

基于主成分分析法的QCM传感器阵列定量检测DMMP

以聚环氧氯丙烷、乙基纤维素、聚表氯醇为敏感膜材料,建立了QCM传感器阵列法对DMMP空气样品定量检测的方法。DMMP浓度以气相色谱-火焰光度检测器法标定。在气体流速为300 m L/min时,在30~210 mg/m~3的DMMP浓度范围内,有良好的线性关系,方法具有较好的准确性和精密度,最低检测限为10.1 mg/m~3。利用主成分分析法对神经性毒剂沙林的干扰进行了分类判别研究。     

主成分分析在疾病检测中的应用

主要从某医院测得100例疾病患者的18项症状出发,通过SAS软件利用主成分分析,得出影响判断各类肝病的主要症状,并通过患者的症状对其所患的肝病类型进行判断.     

基于差分进化和核主元分析的燃气轮机故障检测

燃气轮机气路部件的状态检测参数具有极强的非线性,其故障特征难以提取,而利用传统核主成分分析(KPCA)进行故障检测难以对核参数进行科学取值,从而降低故障检测的准确性.针对该问题,论文提出了基于优化混合核的核主元分析故障检测算法(DE-KPCA).首先建立动态权值混合核函数,通过调节核函数的权重比实现全局映射和局部映射优化组合.以样本检测精度作为优化目标,对混合核参数进行逐次优化.最后构造了基于优化混合核函数的主元异常状态检测方法,实现对燃气轮机气路故障的在线检测.本文通过对双轴涡喷发动机气路故障仿真的验证,证明了该方法相较传统KPCA检测,能够实现核参数的科学取值且对燃气轮机气路故障检测具有更高的准确性和实用性.     

基于PCA的氧化铝蒸发系统故障检测

针对氧化铝蒸发系统结构复杂、物理模型难以搭建、大量数据得不到合理利用的问题,提出了基于主成分分析(PCA)的故障检测方法和直观的故障分离方法.通过对氧化铝蒸发系统进行深入分析,对系统故障进行分类,并在仿真模型中建立了不同的故障类型模型.最后,基于对氧化铝蒸发故障进行模拟得到的故障数据,给出了在氧化铝蒸发过程故障检测中的实例,验证了PCA方法的可行性.     

IPCA在故障检测与分离中的应用

基于ＰＣＡ模型，综合利用Ｔ＾２检验值，Ｑ检验值和故障补偿等集成化主元分析（ＩＰＣＡ）方法对系统的工况故障和仪表故障进行检测和分离，并对仪表故障进行补偿，该方法既能进行故障检测，又能对不同的故障进行分离。仿真实例表明，这种方法是有效的。     

改进主元法在故障检测中的应用

提出一种改进的主元分析法，在线检测当前时间窗口内过程数据的主元子空间，与稳态无故障数据的主元子空间相比较，以判断是否发生了故障．仿真中，将改进主元法与常规主元法同时应用于Tennessee EaStman过程，结果表明：两者都能检测出对过程影响较大的故障，改进主元法可以更好地检测出对过程影响较小的故障。     

Novel Approach for Fault Detection and Diagnosis of Sensors in Air Handling Units Using Wavelet Energy Entropy

A novel fault diagnosis method for sensors in air handling unit(AHU)using wavelet energy entropy was presented.Instead of directly comparing the numerous data under noise conditions,the wavelet energy entropy residual was compared in the proposed method.Three-level wavelet analysis was used to decompose the measurement data under both fault-free and faulty operation conditions.The concept of Shannon entropy was referred to define wavelet energy entropy of the wavelet coefficients.The sensor faults were diagnosed by comparing the deviation of the wavelet energy entropy of the measured signal and the estimated one with the preset threshold.Testing results showed that the wavelet energy entropy was sensitive to diagnose the biased faults.The wavelet energy entropy residuals exceed the threshold significantly when faults occur.In addition,the severer the faults were,the larger the residuals would be.The results prove that the proposed method is feasible and effective for the fault detection and diagnosis of the sensors.     

基于拉普拉斯正则化概率主元分析的故障检测

概率主元分析(PPCA)及其扩展方法用于过程监测时,只提取了过程数据的全局特征,并未考虑数据的局部结构.当数据的流形结构复杂时,传统的全局建模方法难以获得准确的预测效果.提出了一种基于拉普拉斯正则化的概率主成分(LapPPCA)模型,将数据的流形结构引入到传统概率模型的似然函数中,使得LapPPCA能够同时提出数据的全局和局部特性.同时提出了基于LapPPCA的过程监测模型,并在田纳西-伊斯曼(TE)过程上验证了该方法的有效性.     

冷水机组系统的温度传感器故障诊断

根据能量守恒关系式的残差特征，在冷水机组系统中选取恰当的控制体，推导了关于系统中温度传感器的故障诊断方程组．通过建立和求解故障诊断方程组，以达到对温度传感器固定漂移故障的检测、诊断和度量．同时，提出了在建立诊断方程组过程中稳定状态检测和方程组封闭性等问题的解决方法，分析了采集数据样本数对诊断结果准确度的影响．最后，所有的诊断方程组在已建立的系统数字仿真器上进行了验证．结果表明，所建立的诊断方程组能够准确地诊断出传感器的固定漂移故障．