基于波形变换的最佳时空混合模型,用于早期故障检测

科学领域:

• 工业过程监控 工业过程监控
• 检测和诊断故障的检测和诊断.
• 信号处理 信号处理

背景情况:

• 工业系统的早期故障通常是微妙的,并被噪音掩盖,妨碍及时检测.
• 现有的方法可能缺乏识别缓慢演变的故障的灵敏度,影响生产安全和质量.
• 复杂的工业环境需要先进的技术来进行可靠的故障检测.

研究的目的:

• 开发一个最佳的时空混合模型 (STHM) 以提高早期故障检测.
• 为了提高检测缓慢演变,噪声沉浸的断层的灵敏度和准确性.
• 减少虚假报警率,提高工业生产安全和产品质量.

主要方法:

• 波形转换 (WT) 用于数据消除和降低噪声.
• 主要组件分析 (PCA) 和移动窗口算法用于时空邻居获取.
• 累积总和 (CUSUM) 和马哈拉诺比斯距离 (MD) 用于混合统计重建.
• 核心密度估计 (KDE) 用于优化故障检测值.

主要成果:

• 拟议的基于WT的STHM有效地拒绝数据,减少背景噪声干扰.
• 混合统计增强了时间动态和空间信息之间的相关性,提高了故障检测精度.
• 田纳西伊斯曼 (TE) 工艺的模拟显示了高故障检测率 (FDR) 和低错误报警率 (FAR).

结论:

• 最佳的STHM为复杂工业系统的早期故障检测提供了灵敏而准确的方法.
• 该模型处理噪音和微妙故障的能力有助于提高工业安全和产品质量.
• 这种方法为工业生产中的实时监控和故障诊断提供了强大的解决方案.