基于区间分布分析的不确定性工业过程鲁棒故障诊断方法技术

本发明专利技术公开了一种基于区间分布分析的不确定性工业过程鲁棒故障诊断方法，包括下列步骤：步骤1，建立基于核密度估计模型的不确定性数据区间化表征模型；步骤2，基于完备信息主成分分析算法的不确定性过程特征提取：采用基于完备信息主成分分析的不确定性数据驱动算法对以区间形式表示的不确定性过程数据进行潜在的结构信息特征挖掘，以实现不确定性故障特征信息的提取和多元变量降维；步骤3，构建基于区间径向基函数神经网络算法的故障诊断模型：基于第二部分所构建的完备信息主成分分析算法提取的区间故障特征信息，构建适用于区间值故障数据的诊断模型，并采用减聚类算法完成诊断模型的离线建模。

【技术实现步骤摘要】

本专利技术涉及复杂工业过程故障诊断，具体地说是基于一种区间不确定性数据驱动算法对受不确定性污染的复杂工业系统进行实时在线故障诊断。

技术介绍

1、在实际工业生产过程中，由测量噪声干扰、传感器自身老化和恶劣的工业生产场景等因素的影响使得传感器采集到的过程数据往往带有不确定性因素的干扰[1]。例如，在湿法冶金过程中，水下传感器常常被泥浆覆盖，导致浓缩剂的压力测量不准确[2]。尽管这些不确定性可能是模糊的或未知的，但它们通常是有界的。利用不确定性的有界特性，区间值数据相比单值数据能够更好地揭示其中隐藏的信息。因此，针对不确定性污染的复杂工业过程，通过将单值过程数据转化为区间值数据，可以有效地执行过程监测和故障诊断[3]。

2、转化后的区间值数据由于仍然包含过多冗余信息，可能会降低后续故障诊断的精确度。因此，如何减少转化后的区间值数据的维度，从中提取关键信息，成为迫切需要解决的问题。目前，区间值数据降维的方法包括顶点主成分分析(vertices principalcomponent analysis,vpca)、区间值函数主成分分析(interval-本文档来自技高网...

【技术保护点】

1.一种基于区间分布分析的不确定性工业过程鲁棒故障诊断方法，包括下列步骤：

2.根据权利要求1所述的基于区间分布分析的不确定性工业过程鲁棒故障诊断方法，其特征在于，步骤1的方法如下：

3.根据权利要求2所述的基于区间分布分析的不确定性工业过程鲁棒故障诊断方法，其特征在于，步骤2的方法如下：

4.根据权利要求3所述的基于区间分布分析的不确定性工业过程鲁棒故障诊断方法，其特征在于，步骤3的方法如下：

【技术特征摘要】

1.一种基于区间分布分析的不确定性工业过程鲁棒故障诊断方法，包括下列步骤：

2.根据权利要求1所述的基于区间分布分析的不确定性工业过程鲁棒故障诊断方法，其特征在于，步骤1的方法如下：

3.根据权...

【专利技术属性】
技术研发人员：张淑美，毛伟沣，董峰，王思佳，
申请(专利权)人：天津大学，
类型：发明
国别省市：