基于模糊聚类算法的工控网络控制故障检测方法研究

作者:刘进;卢安文;陈家佳 刊名:计算机测量与控制 上传者:刘亚明

【摘要】针对传统大型工控网络控制故障检测过程中,没有考虑故障延时特性,从而导致的故障信号检测准确率下降,检测效率降低;为此,提出一种基于模糊算法的大型工控网络控制故障检测方法;引入模糊算法,对大型工控网络控制中的故障信号延迟进行模糊化建模,通过随机时延切换设计故障观测参数和故障观测参数的残差对大型工控网络控制系统进行故障检测,克服信号延迟弊端;实验结果表明,利用文章方法进行大型工控网络控制系统故障检测,能够有效提高故障的准确率,效果令人满意。

全文阅读

0引言随着工业化建设的快速发展,大型工控网络已经被广泛应用到各个厂矿企业和生产公司,发挥着难以取代的作用[1]。利用工控网络进行现场互联设备之间通信,能够有效提高设备之间的协同能力,从而提高生产效率,降低生产成本[2]。在大型工控网络控制运行的过程中,如何对网络中故障信号进行及时准确的检测,已经成为工业控制领域需要研究的热门问题,受到很多专家的普遍重视[3]。现阶段,主要的网络控制故障检测方法包括基于小波变换算法的故障检测方法、基于模糊聚类算法的故障检测方法和基于神经网络算法的故障诊断方法。其中最常用的是基于模糊聚类算法的故障诊断方法[4-5]。由于大型工控网络控制故障诊断方法在工控领域具有极高的应用价值,因此,拥有广阔的发展前景,成为很多专家研究的重点课题[6]。大型工控网络控制故障检测方法,是工控领域需要研究的核心问题[7]。利用传统算法进行大型工控网络控制故障检测的过程中[8],由于存在较大的延时性,导致大型工控网络控制故障信号检测效率降低[9],故障信号难以准确识别[10],从而降低了大型工控网络控制故障检测的准确性[11]。1模糊聚类算法的提出利用模糊聚类方法,能够将获取的大型工控网络控制故障信号进行聚类处理,从而获取有效的故障信号。具体方法如下所述:1)对采集的检测信号数据进行初始化处理,建立模糊逻辑矩阵。设置样本信号集合中包括n个信号a1,a2,...an,且每个信号ai都具有m个属性,对应的属性值分别是ai1,ai2,...ain,上述属性值能够构成一个行向量ai=(ai1,ai2,...ain)则向量ai(i=1,2,...,n)构成的初始矩阵是Anm(模糊逻辑矩阵)。2)针对模糊逻辑矩阵进行标准化处理。利用下述公式能够对模糊逻辑矩阵的极值进行标准化变换处理:rij=xij-min(xij)max(xij)-min(xij),i=1,2,...,nj=1,2,...,m(1)根据上述公式能够获取nm个信号分量rij,即标准化信号模糊逻辑矩阵Rnm的构成元素。利用下述公式能够对模糊逻辑矩阵的标准差进行变换处理:rij=xij-xjSj(2)利用上述公式能够模糊逻辑初始矩阵进行相似度处理,其中:xj=1nni=1xij,sj=1n-1ni=1(xij-xj)槡2(3)i=1,2,...,nj=1,2,...,m对于获取的标准化模糊逻辑矩阵,需要进行相似系数划分,从而能够反映信号数据之间的近似程度,并建立信号的相似度矩阵Qnn。数量积:利用下述公式能够对采集的信号中干扰信号的分量进行有效聚类:Tij={1,i=j1Mmk=1xikxjk,ij,i=1,2,...n;j=1,2...,m(4)其中:M>maxij|mk=1xikxjk|利用下述公式能够计算故障信号中各个信号分量值的近似度:Tij=mk=1(rik-rjk)槡2,i=1,2,...,n;j=1,2,...,m(5)利用下述公式能够计算故障信号中各个信号分量波形的近似度:Tij=mk=1rikrjkmk=1r2ikmk=1r2j槡k,i=1,2,...,n;j=1,2,...,m(6)最后,针对故障信号中的聚类系数进行聚类处理。根据公式(1)可知,值越大,故障信号分类越细,反之,故障信号分类越粗。根据故障检测的需要,确定值之后,需要将相似矩阵Qnn的每个分量Tij与值进行逐一对比。假设Tij,则Aij的值为1;假设Tij,则Tij值为0。则由Tij构成的截矩阵R只包括0和1。将R划分为n个向量Ti=(Ti1,Ti2,...,Tin),i=1,2,...,n,将具有相同分量的

参考文献

引证文献

问答

我要提问