面向污水处理的动态变分贝叶斯混合因子故障诊断

被引：5

作者：

肖红军 ^{[1
]}

刘乙奇 ^{[2
]}

黄道平 ^{[2
]}

机构：

[1] 佛山科学技术学院自动化学院

[2] 华南理工大学自动化科学与工程学院

来源：

控制理论与应用 | 2016年 / 33卷 / 11期

关键词：

故障诊断; 污水处理; 变分贝叶斯学习; 混合因子; 半自适应;

D O I：

暂无

中图分类号：

X703 [废水的处理与利用]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在污水生化处理过程中,存在着多变量耦合、强非线性、参数时变、大滞后等特点,面对这些特点,传感器故障频发,从而导致生化过程无法得到有效优化和诊断.为此,本文在结合动态数据特性的基础上提出了一种基于变分贝叶斯混合因子的动态故障诊断方法,同时,利用混合因子的在线调整实现了诊断模型的半自适应化.该方法能够捕捉到污水处理过程的强非线性和动态性,从而可有效降低故障诊断的误报率和漏报率.通过在国际水协会的BSM1模型上的模拟研究,充分表明所提出的策略可以显著提高故障诊断能力,精确地检测传感器的突变和漂移故障,甚至定位故障所发生的根本原因.

引用

页码：1519 / 1526

页数：8

共 14 条

[1] 面向污水处理的数据驱动故障诊断及预测方法综述
黄道平
邱禹
刘乙奇
李艳
[J]. 华南理工大学学报(自然科学版), 2015, 43 (03) : 111 - 120+129
[2] 基于故障映射向量和结构化残差的主元分析(PCA)故障隔离
李荣雨
荣冈
[J]. 控制理论与应用, 2008, 25 (06) : 1099 - 1104
[3] Probabilistic monitoring of chemical processes using adaptively weighted factor analysis and its application
Jiang, Qingchao
Yan, Xuefeng
[J]. CHEMICAL ENGINEERING RESEARCH & DESIGN, 2014, 92 (01) : 127 - 138
[4] Survey on data-driven industrial process monitoring and diagnosis
Qin, S. Joe
[J]. ANNUAL REVIEWS IN CONTROL, 2012, 36 (02) : 220 - 234
[5] A heuristic method of variable selection based on principal component analysis and factor analysis for monitoring in a 300 kW MCFC power plant
Jeong, Hyeonseok
Cho, Sungwoo
Kim, Daeyeon
Pyun, Hahyung
Ha, Daegeun
Han, Chonghun
Kang, Minkwan
Jeong, Munsoo
Lee, Sanghun
[J]. INTERNATIONAL JOURNAL OF HYDROGEN ENERGY, 2012, 37 (15) : 11394 - 11400
[6] ICA and me – A subjective review[J] . Gustaf Olsson.Water Research . 2012 (6)
[7] Robust monitoring and fault reconstruction based on variational inference component analysis
Ge, Zhiqiang
Song, Zhihuan
[J]. JOURNAL OF PROCESS CONTROL, 2011, 21 (04) : 462 - 474
[8] Maximum-likelihood mixture factor analysis model and its application for process monitoring
Ge, Zhiqiang
Song, Zhihuan
[J]. CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 2010, 102 (01) : 53 - 61
[9] Mixture Bayesian Regularization Method of PPCA for Multimode Process Monitoring
Ge, Zhiqiang
Song, Zhihuan
[J]. AICHE JOURNAL, 2010, 56 (11) : 2838 - 2849
[10] One-class support vector machines - an application in machine fault detection and classification
Shin, HJ
Eom, DH
Kim, SS
[J]. COMPUTERS & INDUSTRIAL ENGINEERING, 2005, 48 (02) : 395 - 408

← 1 2 →