钟 凯徐明星韩 敏

(1.大连理工大学 电子信息与电气工程学部,辽宁 大连 116024;2.大连理工大学 工业装备智能控制与优化教育部重点实验室,辽宁 大连 116024;3.安徽大学 物质科学与信息技术研究院,安徽 合肥 230601)

1 引言

现代的工业生产过程趋向于流水化作业,并且具有大型化、智能化、复杂化的特点.随之而来的便是过程间的交互变得更加频繁,设备的结构也变得更加多样.如果其中的某一子系统或者零件发生故障,就像多米诺骨牌效应一样,不仅会造成产品质量的降低,而且也会破坏工业生产的设备,对整个企业的生产造成影响,更严重的是还有可能对环境造成不可逆转的破坏,甚至出现人员伤亡[1–2].因此及时有效的过程监测对工业生产效率的提高和企业自身的发展都具有重要的意义[3–6].

作为过程监测研究领域重要的分支之一,故障诊断(某种意义上等价于故障分类)近年来取得了较大的发展和进步,并取得丰硕的理论研究成果和工程应用实例.故障诊断主要是将过程中已经发生的故障与其他样本划分开来,从而确定故障的位置,故障的原因以及故障的类别等[7],以便采取后续的故障隔离和过程恢复措施.针对故障诊断方法的分类,目前业内比较认可的是由文献 [8]提出的基于解析模型、基于过程知识和基于数据驱动这三大类.由于基于数据驱动的方法只需要一定的过程数据而无需建立复杂的数学模型,实施简单且更为有效……