[1]陈科旭,李凌.改进 k-means 的控制自动化系统工业故障诊断预测[J].机械与电子,2023,41(04):31-34.
　CHEN Kexu,LI Ling.Improved k-means Industrial Fault Diagnosis and Prediction of Control Automation System[J].Machinery & Electronics,2023,41(04):31-34.
点击复制

改进 k-means 的控制自动化系统工业故障诊断预测()

分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

Title:: Improved k-means Industrial Fault Diagnosis and Prediction of Control Automation System

Author(s):: CHEN Kexu ; LI Ling; ( School of Information Engineering , Shenyang University of Chemical Technology , Shenyang 110142 , China )

Keywords:: k-means algorithm ; automation system ; industrial control ; fault diagnosis ; fault prediction

摘要:: 为提升自动化系统的运行效果,提出改进 k-means 的控制自动化系统工业故障诊断预测方法。该方法首先使用改进 k-means 对 TE 化工数据聚类处理,依据处理结果完成数据信号的去噪;再基于鲁棒 ICA 方法计算信号的独立成分,建立故障诊断模型,结合建立的固定监测阈值,完成 TE 化工过程的故障诊断;系统故障诊断后,继续对系统 TE 化工过程实施监测,依据监测结果建立故障预测模型,结合 LS-SVM 回归预测方法实现自动化控制系统 TE 过程的故障自动化预测。实验结果表明,使用该方法开展控制自动化系统工业故障诊断预测时,故障诊断预测效果好。

Abstract:: In order to improve the operation effect of the automation system , an improved?k-means control automation system industrial fault diagnosis and prediction method is proposed.The method first uses the improved?k-means to cluster the TE chemical data , and completes the denoising of the data signal according to the processing results ; then calculates the independent components of the signal based on the robust ICA method.A fault diagnosis model is established , and the established fixed monitoring thresholds are combined.The fault diagnosis of the TE chemical process is completed ; after the system fault diagnosis , then the system TE chemical process is monitored , a fault prediction model is established based on the monitoring results , and the LS-SVM regression prediction method is combined to realize the automatic control system TE process fault automatic prediction.The experimental results show that when the method is used to carry out industrial fault diagnosis and prediction of control automation system , the fault diagnosis and prediction effect is good.

[ 1 ] 梁金夏,潘天赐 . 工业自动化对象仿真在流程自动化控制系统中的应用[ J ] . 自动化技术与应用, 2022 , 41 ( 2 ):92-97.

[ 2 ] 刘冠男,常振臣,高明亮,等 . 基于长短期记忆网络的动车组轴箱轴承故障诊断预测模型研究[ J ] . 城市轨道交通研究,2022 , 25 ( 2 ): 86-91.

[ 3 ] 何燕燕 . 混沌蝙蝠算法 UAV 网络控制系统故障诊断策略[ J ] . 火力与指挥控制, 2020 , 45 ( 8 ): 44-50 , 56.

[ 4 ] 梁艳,张彦云,巩明月,等 . 基于广义互熵主元分析的故障检测方法[ J ] . 太原理工大学学报, 2020 , 51 ( 3 ): 438-445.

[ 5 ] 雷以良,严承华,陈璐 . 基于改进 k-means 算法的网络安全设备故障案例推理研究[ J ] . 计算机应用研究,2020 , 37 (增刊 2 ): 110-112.

[ 6 ] 韩素敏,郑书晴,何永盛 . 基于粗糙集贪心算法的逆变器开路故障诊断[ J ] . 电力系统保护与控制,2020 , 48( 17 ): 122-130.

[ 7 ] 邓鹏,张良力,刘瑞,等 . 基于改进阈值函数小波的微电网检测信号去噪[ J ] . 电测与仪表, 2021 , 58 ( 6 ): 180-185.

[ 8 ] 蒋龙陈,王红军,张顺利 . 燃气轮机气流激振深度置信网络故障诊断模型[ J ] . 电子测量与仪器学报, 2021 , 35( 2 ): 115-121.

[ 9 ] 孔祥玉,解建,罗家宇,等 . 基于改进高效偏最小二乘的质量相关故障诊断 [ J ] . 控制理论与应用,2020 , 37( 12 ): 2645-2653.

[ 10 ] 程志友,丁柏宏,余国晓 . 基于 IPSO-LSVM 的短期负荷预测方法[ J ] . 电工电能新技术, 2020 , 39 ( 5 ): 41-48.

[ 11 ] 闫广峰,岑敏仪 . 引入拉格朗日算子的最佳线性回归模型选择[ J ] . 大地测量与地球动力学, 2021 , 41 ( 11 ):1111-1117.

[ 12 ] 张爱华,吕承聪,高闻孝 . 基于 MPCR 的 TE 质量相关故障检测[ J ] . 渤海大学学报(自然科学版), 2020 , 41( 2 ):160-168.

备注/Memo:: 收稿日期: 2022-05-18
作者简介:陈科旭 ( 1996- ),男,辽宁辽阳人,硕士研究生,研究方向为智能算法;李凌 ( 1972- ),女,山东梁山人,博士,副教授,硕士研究生导师,研究方向为复杂系统的控制与优化方法。

更新日期/Last Update: 2023-05-10