基于总体平均经验模态分解残差的故障诊断方法

• 作者: 林晓勇 王尊 耿志强 顾祥柏
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 总体平均经验模态分解 残差 故障诊断 贝叶斯信息准则 希尔伯特谱 田纳西-伊士曼过程
• 年，卷（期）: 2015,（3）
• 页码范围: 293-300
• 页数: 8页
• 分类号: TP277
• 字数: 3729字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2015.39.03.007

摘要

为了提高化工过程故障诊断的效率，基于残差对故障状态具有敏感性以及经验模态分解( EMD)无需建模仅依据输入输出数据分析的优势，提出了一种基于总体平均经验模态分解( EEMD)残差进行故障诊断的新方法。基于历史数据的6σ控制图，确定残差的故障诊断控制限。利用在线实时数据采用贝叶斯信息准则在线确定EEMD的移动窗口。基于移动窗口的采样数据，在线获得EEMD残差最大值的变化，结合相应的故障诊断控制限在线诊断故障并确定故障发生时间及原因。该文方法与传统的希尔伯特谱分析方法相比，具有可在线诊断故障的优势，提高了故障诊断的准确率。将该文方法用于田纳西-伊士曼( TE )过程的故障在线诊断，验证了其有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	耿志强	北京化工大学信息科学与技术学院	45	419	12.0	18.0
2	顾祥柏	北京化工大学信息科学与技术学院	19	158	9.0	11.0
4	林晓勇	北京化工大学信息科学与技术学院	11	79	5.0	8.0
7	王尊	北京化工大学信息科学与技术学院	4	11	2.0	3.0