版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、精品文档基于PC所法的故障诊断步骤用2-1 PCA故障检测流标离线PCA监测模型的计算步骤:(1)选择监控变量,收集正常工况下的各变量的样本,记为训练样本数据X_train和检验数据X_test ;,11 12 算X train = 121工"叼" "I! K打 1 Xn2 . nm.X_train为nXm矩阵,即n个样本,m个观测变量(即以列向量来看的话,为一个观测变量各个采样点的值)对样本数据X_train和检验数据X_test进行中心化和标准化处理得到test '中心化处理:按列对X_train减去观测变量的均值,J观测变量某一采样点的值减去这一观测
2、变量所有采样点的平均值求取一列(即某一观测变量)的平均值标准化处理:对X_train除以观测变量的标准差(按列(观测变量)进行)XJ¥71 1标准差的协方差矩阵求出标准化矩阵的协方差矩阵对复为:_17£ 一打 _ 1 % tain * Strain对丁进行特征分解,求得特征值A1a,4n(Ai >2 > > 加)及其对应的特征向量外巧,(负荷向量);(3)确定主元个数,确定了主元个数k,就得到了k个特征值>莅A > 刖,及其对应的特征向量/.P此;A:累计贡献率法:前k个主元的累积方差贡献率为: 逐小当前k个主元的累积方差贡献率达到85%则主元
3、个数取k值B:交叉检验估计法:将采集到的数据分成 k个部分,1部分数据用来建立主元模型, 剩下的k-1部分用来作为检验数据去检验所建的模型。如此 ,建 立若干个不同主元个数的模型 ,弁测试所建立的模型,从中选取 一个通过检验后误差最小的模型的主元个数作为系统主元个数。(4)建立PC元模型,弁进行交叉验证以确定误差最小按照GuXseR,求出第i个主元,弁依据Xstram =+亦 J + ”, + '队丁=Xsh3blp逮J +乂¥皿加取+ 乂%的取PJ求出其主元模型用(山仁带入得到另一主元模型 外二t,依据E = X 匕求出模型误差,确定模型误差最小的那个模型即为主元模型。(5
4、)计算T统计量控制限和SPE统计量控制限;对于样本个数为n,主元个数为k的过程变量X_train, T2统计量 服从自由度为k和nk的F分布,则置信度为a的统计量控制上限为:2ugl =k(n 1)n k Fa (k,n k)或.n(n-Jc)-Fa (kfTL i)检验水平为a的SPE统计量控制上限为:Q口 +竺产+笔曰儿Hi工一二- ._L,,- 七.1' ' -凄是与(1-巨)分位点对应的标准差在线过程监测与故障诊断步骤:(1)采集第i时刻的在线实时数据X(X为1Xm矩阵),弁 进行中心化和标准化处理得到X(% ; 按照/)。xk) = X(0/l xX初 求出X(%的得
5、分向量,依据瓯=X m),求出PCA模型估计量&1r这里外二m或,外上,;(3)计算X(k的统计量和SPE统计量,弁画出 下统计量和 IU1SPE统计量的控制图;丁,=1(1)%=X0/府A甫1a咏3:<2(0 =一取pj)x :(4)将上述计算结果与T2统计量控制限和SP谈计量控制限比较,以检测过程运行有无异常,当有异常状态发生时,绘制贡献图,找出与故障相关的系统变量:1)检查每个观测值x的标准化得分?,弁确定造成失控状态的r(r<a)个得分:皿; 4 a2)计算每个变量修相对于失控得分。的贡献率是:右contijf = Pfjx;3)当usi%是负时,设它为零;4)计算
6、第j个过程变量勺的总贡献率:rCO NJ = 2(皿障幻)i=l5)把所有m个过程变量勺的CONI)画在一个曲线图上。PCA_T昉真程序:%丁过程的传统主元分析在 Matlab中的仿真程序%建立模型:履入模型数据,以故障11为例Xtrain = pkx101;Xtrain = double(Xtrain);%载入测试数据Xtest = pkx102;Xtest = double(Xtest);%标准化处理:X_mean = mean(Xtrain);烦列求 Xtrain 平均值X_std = std(Xtrain);减标准差X_row,X_col = size(Xtrain); 姓 Xtrai
7、n 行、列数% for i = 1:X_col%Xtrain(:,i)=(Xtrain(:,i) - X_mean(i)./X_std(i);%Xtest(:,i) = (Xtest(:,i) - X_mean(i)./X_std(i);% endXtrain=(Xtrain-repmat(X_mean,X_row,1)./repmat(X_std,X_row,1);%求协方差矩阵sigmaXtrain = cov(Xtrain);%寸协方差矩阵进行特征分解,lamda为特征值构成的对 角阵,T的列为单位特征向量,且与 lamda中的特征值对应:T,lamda = eig(sigmaXtrai
8、n);% disp('特征根(由小到大);% disp(lamda);% disp('特征向量:');% disp(T);凝对角元素(结果为一列向量),即lamda值,弁上下反转使其从大到小排列,主元个数初值为 1,若累计贡献率小于90%增加主元个数D = flipud(diag(lamda);num_pc = 1;while sum(D(1:num_pc)/sum(D) < 0.9num_pc = num_pc +1;end%取与lamda相对应的特征向量P = T(:,X_col-num_pc+1:X_col);%求置信度为99%寸的T2统计控制限T2UCL=
9、num_pc*(X_row-1)*(X_row+1)*finv(0.99,num_p c,X_row - num_pc)/(X_row*(X_row - num_pc);播信度为99%勺Q统计控制限for i = 1:3theta(i) = sum(D(num_pc+1:X_col).八i);endh0 = 1 - 2*theta(1)*theta(3)/(3*theta(22);ca = norminv(0.99,0,1);QUCL = theta(1)*(h0*ca*sqrt(2*theta(2)/theta(1)+ 1 + theta(2)*h0*(h0 - 1)/theta(1)八2)
10、八(1/h0);%在线监测:%标准化处理n = size(Xtest,1);Xtest=(Xtest-repmat(X_mean,n,1)./repmat(X_std,n,1);%求T2统计量,Q统计量r,y = size(P*P');I = eye(r,y);T2 = zeros(n,1);Q = zeros(n,1);for i = 1:nT2(i尸Xtest(i,:)*P*inv(lamda(20-num_pc+1:20,20-num_pc+1:20)*P'*Xtest(i,:)'Q(i) = Xtest(i,:)*(I - P*P')*Xtest(i,:
11、)'end族图figuresubplot(2,1,1);plot(1:n,T2,'k');title('主元分析统计量变化图');xlabel(' 采样数');ylabel('TA2');hold on;line(0,n,T2UCL,T2UCL,'LineStyle','T'Color','r');subplot(2,1,2);plot(1:n,Q,'k');xlabel(' 采样数');ylabel('Q');hold
12、 on;line(0,n,QUCL,QUCL,'LineStyle','T'Color','r');%贡献图%1.确定造成失控状态的得分S = Xtest(400,:)*P(:,1:num_pc);r =;for i = 1:num_pcif S(i)A2/lamda(i) > T2UCL/num_pcr = cat(2,r,i);endend%2.计算每个变量相对于上述失控得分的贡献cont = zeros(length(r),20);for i = length(r)for j = 1:20cont(i,j)abs(S(i)/D(i)*P(j,i)*Xtest(400,j);endend%3.计算每个变量的总贡献CONTJ = zeros(20,1);for j = 1:20CONTJ(j) = sum(cont(:,j);end%4.计算每个变量对Q的贡献e = Xtest(400,:)*(I - P*P');contq
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
评论
0/150
提交评论