基于ELM-MPLS的质量相关故障检测方法研究.pdf
《基于ELM-MPLS的质量相关故障检测方法研究.pdf》由会员分享,可在线阅读,更多相关《基于ELM-MPLS的质量相关故障检测方法研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、基于 ELM-MPLS 的质量相关故障检测方法研究张蕊1袁李强2袁杨治艳1袁 3袁 4袁杨茜5袁赵美枝6袁 7渊1.工业和信息化部电子第五研究所袁 广东广州511370曰2.兰州万里航空机电有限责任公司袁 甘肃兰州7300701曰3.中国航发贵阳发动机设计研究院袁 贵州贵阳550081曰4.民用飞机及航空发动机质量与可靠性工程技术工业和信息化部重点实验室技术团队袁 广州511300曰5.北京精密机电控制设备研究所袁 北京100076曰6.火箭军工程大学导弹工程学院袁 陕西西安710025曰7.山西大同大学物理与电子科学学院袁 山西大同037009冤摘要院在工业生产过程中袁 很多产品的质量难以使
2、用传感器来直接测量遥 因此袁 出现了偏最小二乘和潜在结构全投影等过程监测方法袁 但它们的质量相关故障检测效果并不理想遥 为此袁 提出了一种基于极限学习机渊ELM冤 与改进的偏最小二乘 渊MPLS冤 的质量相关故障检测方法遥 该方法首先采用 ELM 进行质量预测袁 然后根据预测结果进行过程监测袁 最后采用田纳西伊斯士曼 渊TE冤 过程验证其质量相关故障检测的有效性遥 实验结果表明袁 ELM-MPLS 不仅可以实现质量预测还提高了质量相关故障检测率袁 具有良好的质量相关故障检测效果遥关键词院极限学习机曰 改进的偏最小二乘曰 质量预测曰 过程监测曰 故障检测中图分类号院 TP 273文献标志码院 A
3、文章编号院 1672-5468 渊2023冤 03-0085-06doi:10.3969/j.issn.1672-5468.2023.03.015Research on the Quality-related Fault DetectionMethod Based on ELM-MPLSZHANG Rui1袁 LI Qiang2袁 YANG Zhiyan1袁3袁4袁 YANG Xi5袁 ZHAO Meizhi6袁7渊1.CEPREI袁 Guangzhou 511370袁 China曰2.Lanzhou Wanli Aviation Electromechanical Co.袁 Ltd.袁 La
4、nzhou 730070袁 China曰3.AECC Guiyang Engine Design and Research Institute袁 Guiyang 550081袁 China曰4.The Ministry of Industry and Information Technology Key Laboratory of Quality and ReliabilityEngineering Technology of Civil Aircraft and Aero-Engine袁 Guangzhou 511300袁 China曰5.Beijing Institute of Preci
5、sion Mechatronics and Controls袁 Beijing 100076袁 China曰6.School of Missile Engineering袁 Rocket Force University of Engineering袁 Xi爷an 710025袁 China曰7.School of Physics and Electronic Science袁 Shanxi Datong University袁 Datong 037009袁 China冤Abstract院In the process of industrial production袁 the quality
6、of many products is difficult to bemeasured directly by sensors.Therefore袁 process monitoring methods such as partial least squares收稿日期院 2022-11-07作者简介院 张蕊 渊1979要冤袁 女袁 陕西西安人袁 工业和信息化部电子第五研究所可靠性与环境工程中心高级工程师袁 硕士袁从事装备通用质量特性的研究工作遥通讯作者院 杨治艳 渊1997要冤袁 女袁 甘肃白银人袁 工业和信息化部电子第五研究所可靠性与环境工程中心助理工程师袁 硕士袁从事装备通用质量特性及故
7、障诊断的研究工作遥电 子 产 品 可 靠 性 与 环 境 试 验耘蕴耘悦栽砸韵晕陨悦 孕砸韵阅哉悦栽 砸耘L陨粤月陨蕴I栽再 粤晕阅 耘晕灾陨R韵晕酝耘晕栽粤蕴 栽耘杂栽陨晕郧计算机科学与技术阅陨粤晕在陨 悦匀粤晕孕陨晕 运耘运粤韵X陨晕郧 再哉 匀哉粤晕允I晕郧 杂匀陨再粤晕85电子产品可靠性与环境试验阅陨粤晕在陨 悦匀粤晕孕陨晕 运耘运粤韵X陨晕郧 再哉 匀哉粤晕允I晕郧 杂匀陨再粤晕电子产品可靠性与环境试验2023 年and total projection to potential structure are developed袁 but their quality-related f
8、ault detectioneffects are not ideal.To this end袁 a quality-related fault detection method based on extremelearning machine 渊ELM冤 and modified partial least squares 渊MPLS冤 is proposed.In thismethod袁 ELM is used for quality prediction firstly.Then袁 process monitoring is carried outaccording to the pre
9、diction results.Finally袁 TE process is used to verify the effectiveness ofquality-related fault detection.The experimental results show that ELM-MPLS can not only achievequality prediction but also improve the detection rate of quality-related faults袁 and has a goodquality-related fault detection ef
10、fect.Keywords院extreme learning machine曰 modified partial least squares曰 quality prediction曰 processmonitoring曰 fault detection0引言在实际运行的工业生产过程中袁 过程监测技术可以有效地降低运行成本遥 随着自动化技术和传感器技术的高速发展袁 反映系统内部结构和参数变化的大量过程数据可以被采集到遥 如何处理大量的过程数据袁 从中挖掘隐藏的有用信息和实现在线故障检测及诊断显得尤为重要遥 故障检测及诊断的最终目的是监测过程的运行状态袁 从而保证产品的质量遥 测量变量和质量变量
11、渊如操作性能或产品质量冤 对工业生产过程至关重要袁 测量变量具有在线获取和容易获得的优点袁 但质量变量具有无法在线获取和采样间隔较长的缺点1-2遥 基于此袁 建立过程变量与质量变量之间的关系预测产品质量袁 进而实现对产品质量的实时监测遥偏最小二乘 渊PLS院 Partial Least Squares冤尧 独立 成 分 分 析渊 ICA院IndependentComponentAnalysis冤和 主 成 分 分 析渊 PCA院PrincipalComponent Analysis冤 等均是经典的基于数据驱动的多元统计故障检测及诊断方法3-6遥 其中袁 经典PLS 在过程数据 X 和质量输出
12、Y 之间建立线性回归关系袁 将 X 划分为主元子空间X赞和残差子空间X軒袁通过检测主元子空间X赞的变化来监测异常是否影响质量输出变量 Y遥 为了解决经典 PLS 的主元子空间X赞中存在与 Y 正交的成分袁 不利于质量相关故障的检测问题袁 Yin 等人7提出了使用正交分解的改进 偏 最 小 二 乘 渊 MPLS院 Modified Partial LeastSquares冤 模型遥 该模型消除了主元子空间X赞中对预测质量信息无用的变化袁 因此可以有效地进行质量相关故障检测遥21 世纪初袁 Li 等人8提出了极限学习机渊ELM院 Extreme Learning Machine冤遥 相较于传统的单
13、层前馈神经网络袁 ELM 的节点参数通过迭代调整不同袁 隐节点参数随机分配袁 耗时少且具有良好的泛化性能遥 因上述优点袁 ELM 得到了越来越广泛的关注8-9遥本文考虑到 PLS 和潜在结构全投影的质量相关故障的过程监测效果并不理想袁 提出了基于ELM 与 MPLS 的质量相关故障检测方法 渊ELM-MPLS院 Extreme Learning Machine-modified PartialLeast Squares冤遥 该方法的优势如下院1冤 在 MPLS 的基础上袁 通过引入 ELM 建立过程数据 X 和质量输出 Y 之间的关系袁 以达到质量预测的目的曰2冤 在不需要复杂迭代过程的基础上
14、袁 具有良好的质量预测精度和泛化性能曰3冤 提高了质量相关故障检测率袁 具有良好的质量相关故障检测效果遥1MPLS 故障检测模型首先袁 给出过程数据矩阵 X 和质量输出矩阵Y袁 它们有如下形式院X=xT1噎xTN杉删山山山山山山山山山山山山山煽闪衫衫衫衫衫衫衫衫衫衫衫衫衫沂RN伊mY=yT1噎yTN杉删山山山山山山山山山山山山山煽闪衫衫衫衫衫衫衫衫衫衫衫衫衫沂RN伊l渊1冤xi沂Rm袁 yi沂Rl袁 i=1袁 噎袁 N渊2冤式 渊1冤 渊2冤 中院 m要要要输入变量个数曰N要要要样本数曰l要要要输出变量个数遥为了消除经典 PLS 主元子空间X赞中与 Y 无关的86阅陨粤晕在陨 悦匀粤晕孕陨晕
15、运耘运粤韵X陨晕郧 再哉 匀哉粤晕允I晕郧 杂匀陨再粤晕第 3 期变化袁 Yin 等7首次提出了 MPLS 模型袁 并基于所提模型设计了一套完整的 MPLS 过程监测策略遥MPLS 对 X 进行正交分解袁 将 X 成功分解为与 Y相关的X赞和与 Y 无关的X軒遥 它的具体模型如下院X=X赞+X軒Y=Y赞+Y軒=XM+Y軒扇墒设设设设缮设设设设渊3冤式 渊3冤 中院 M要要要过程数据矩阵 X 和质量输出矩阵 Y 的回归系数矩阵遥通过 M 矩阵将质量输出矩阵 Y 分解为Y赞和Y軒袁其中Y赞和 X 相关袁 Y軒和 X 不相关遥 然后将 X 分别投影到 2 个正交子空间袁 即可得到正交的主元子空间袁
16、具体的 MPLS 过程监测策略如表 1 所示遥2基于 ELM-MPLS 的质量相关故障检测方法2.1 ELMELM 是一种训练前馈神经网络训练的方法袁它的网络结构如图 1 所示遥 ELM 模型的输入层参数是随机生成的袁 它的目的是分析确定输出层的参数遥 对于 N 个不同样本 渊xi袁 ti冤袁 xi=xi1袁 噎袁 xiNT沂RN袁 ti=ti1袁 噎袁 timT沂Rm袁 有 L 个隐藏节点的单隐层前馈神经网络的数学模型具体如下8-9院Li=1移茁igi渊xj冤=Li=1移茁igi渊wixj+bi冤=ojwi=wi1袁 wi2袁 噎袁 wiNT渊4冤茁i=茁i1袁 茁i2袁 噎袁 茁iNT式
17、渊4冤 中院 wi要要要第 i 个隐藏节点到输入节点的权重向量曰茁i要要要第 i 个隐藏节点到输出节点的权重向量曰bi要要要第 i 个隐藏节点的阈值曰wi窑 xj要要要内在的产物遥标准的单隐层前馈神经网络具有 L 个隐藏节点和激活函数 g 渊x冤袁 它可以没有误差地逼近这 N个样本院撞Lj=1|oj-tj|=0渊5冤式 渊5冤 即搜索 茁i袁 bi袁 wi来满足下式 渊6冤院Li=1移茁ig 渊wi窑 xj+bi冤=tj袁 j=1袁 噎袁 N渊6冤式 渊6冤 等价于院H茁=T渊7冤HN伊L渊w1袁 噎袁 wL袁 b1袁 噎袁 bL袁 x1袁 噎袁 xL冤=g 渊w1窑 x1+b1冤噎g 渊wL
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 ELM MPLS 质量 相关 故障 检测 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。