题名 基于DCCA-NSEn的系统耦合网络建模与评估
被引量：4
1
作者
冯龙飞 高建民 高智勇 谢军太 高旭
机构
西安交通大学机械制造系统工程国家重点实验室
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2019年第5期1046-1052,1135,1136,共9页
基金
国家质量监督检验检疫总局“质量基础设施效能研究重点实验室开放研究课题”基金资助项目（KF20180301）
文摘
针对流程工业生产系统监测点多,各监测点间具有相关性的特点,提出了一种基于去趋势交叉分析-网络结构熵(detrended cross-correlation analysis-net structure entropy,简称DCCA-NSEn)的复杂机电系统多变量耦合网络建模与状态评估的方法。该方法利用DCCA算法计算多变量两两之间的相关性,构建反映多变量耦合关系的加权网络模型,对监测序列进行滑移求解,得到系统耦合关系网络动态演化模型。利用NSEn方法分析耦合关系网络的结构熵,根据熵随时间的变化趋势对复杂机电系统的服役演化状态进行评估。笔者选取某压缩机组的真实生产数据进行DCCA-NSEn方法验证,然后用耦合去趋势波动分析(coupling detrended fluctuation analysis,简称CDFA)方法对同一组生产数据进行多变量分析,对两方法的分析结果进行对比。结果表明:与DCCA方法相比,本方法具有多变量同时监测评估的优势;与同样是多变量分析的CDFA方法相比,本方法具有评估效果稳定,对系统的异常状态检测效果更明显的优势。
关键词
去趋势交叉分析 耦合关系网络 网络 结构熵状态评估 复杂机电系统
Keywords
detrended cross correlation analysis(DCCA) coupling relation network net structure entropy(NSEn) state assessment complex electromechanical systems
分类号
TH17
[机械工程—机械制造及自动化]
题名 基于DCCA-DAE模型的传感器故障检测
2
作者
黄凯 王薇 朱永生 任智军 林昙涛
机构
西安交通大学现代设计及转子轴承系统教育部重点实验室 西安航天动力试验技术研究所
出处
《振动.测试与诊断》
北大核心
2025年第4期674-681,840,841,共10页
基金
国家重点研发计划资助项目(2019YFB2004303)。
文摘
传感器作为复杂装备监测系统的关键组成部分,若发生故障会引起误报警,极大影响复杂机械系统状态监测的可靠性。针对该难题,笔者从系统角度出发,提出一种基于去趋势互相关分析(detrended cross-correlation analysis,简称DCCA)和双尺度自编码器(dual auto encoder,简称DAE)的传感器故障检测方法,记作DCCA-DAE。首先,采用DCCA方法建立耦合网络,将数据从欧氏空间扩展到拓扑空间,实现对系统多源多态监测数据蕴含信息的全面表征;其次,构建基于DAE的异常检测方法,消除工况变化对传感器监测序列产生的影响,实现工况复杂变化下的系统传感器故障准确检测;最后,利用某电厂汽轮机组历史数据,验证所提方法的综合性能。结果表明,DCCA-DAE模型特征提取能力强,检测精度显著优于传统支持向量描述和自编码器等方法,在工业场景中传感器故障检测领域具有良好的应用前景。
关键词
传感器故障检测 去趋势互相关 耦合关系网络 自编码器
Keywords
sensor fault detection detrended cross-correlation analysis coupling network auto encoder
分类号
TH165.3
[机械工程—机械制造及自动化]
TK26
[动力工程及工程热物理—动力机械及工程]
