基于多特征融合的工业气动调节阀快速自学习故障诊断方法

作     者：代伟 黄金昊 王聪 杨春雨 DAI Wei;HUANG Jin-hao;WANG Cong;YANG Chun-yu

作者机构：中国矿业大学信息与控制工程学院江苏徐州221116 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2023年第38卷第10期

页      面：2934-2942页

核心收录：

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基　　金：国家自然科学基金面上项目(61973306) 江苏省自然科学基金项目(BK20200086) 江苏省研究生科研与实践创新计划项目(SJCX22_1128) 中国矿业大学研究生创新计划项目(2022WLJCRCZL097) 

主　　题：调节阀 故障诊断 快速自学习 云模型 动态内部主元分析 随机配置网络 

摘      要：气动调节阀的复杂特性,使得通过建立精确数学模型来描述阀门故障较为困难,因而数据驱动技术在其故障诊断领域颇受关注.但现有商业化的调节阀其控制系统仅配置了相当有限的硬件设备,这对故障诊断模型和学习效率提出了更高的要求.为此,提出一种基于多特征融合的气动调节阀快速自学习故障诊断方法.首先,提出基于云模型(cloud model,CM)和动态内部主元分析(dynamic-inner principal component analysis,DiPCA)的特征信息融合方法,提高诊断模型的输入信息质量;其次,建立一种低差异随机配置网络,按照低差异序列以监督增量方式快速自主构造调节阀诊断模型,从而有效提高模型的学习效率和紧致性;最后,利用DAMADICS平台的实验数据验证所提出方法的快速性和准确性.