论文部分内容阅读
在故障诊断研究中,对残差信息采用不同的度量将对模型和数据驱动方法产生至关重要的影响。通常采用欧式距离作为经典的残差度量方式,尽管能够反映系统偏离正常行为的程度,但没有考虑各变量的量纲与均值带来的影响,从而致使故障诊断效果不佳。为此,我们引入一种被称为Gap的新度量模式,并据此开展相应的模型和数据驱动系统辨识与故障诊断研究,本文的主要创新工作如下。1)提出一种Gap度量模式下基于主元分析的故障检测与隔离方法。首先,将基于标量空间的Gap度量推广至矢量空间。其次,基于构建的变量相关性系数矩阵,建立Gap度量模式下基于主元分析的故障检测与隔离方法;最后,通过系统分别设置恒偏差和缓变微小故障模式,仿真验证所提方法的有效性。2)建立基于Gap度量的故障检测性能指标及故障分类方法。首先,借助于系统的线性空间表示和互质因子分解技术,引入了系统的核空间与像空间表示的概念,将Gap度量的计算转化为系统图空间中的模型匹配问题;其次,研究由系统的核空间诱导出的K-Gap,以及故障可检测性、模型不确定性、故障隔离性指标构成的FDI框架,提出一种基于模型Gap度量的故障分类方法;最后,根据设置的模型故障系统,验证了本部分的FDI性能指标及故障分类方法的有效性。3)建立Gap度量模式下基于数据驱动的动态系统在线故障诊断方法。首先,研究系统数据驱动形式的像空间与核空间表示方法;其次,通过子空间辨识方法与有限时间序列的像空间得到数据驱动形式的Gap度量来近似基于模型的Gap度量。通过构造的多步预测模型,建立了实时数据驱动Gap度量计算方法;最后,通过一组设置的模型产生的数据集,验证了数据驱动实现的Gap度量与基于模型的Gap度量的等效一致性和实时计算方法的有效性。