面向大规模工业生产过程的数据驱动故障诊断方法综述

摘要

聚焦于大规模工业生产过程智能化、精准化和多源化的需求，故障诊断对保障工业生产过程的安全可靠运行与实时有效维护具有重要意义.数据驱动方法作为一种创新范式，通过融合历史数据、实时数据以及多源信息，避免了对精确模型的依赖，能够有效提升故障检测与识别的准确率和效率.首先，本文梳理了数据驱动框架下的故障诊断方法，着重探讨了信号处理、统计模式识别、多元统计等系统稳态特性分析方法，并针对系统的动态、非线性和非高斯分布等复杂特性，进一步综述了动态多元统计、子空间辨识、深度学习和核空间投影等故障诊断方法.其次，介绍了大规模工业生产过程的分布式故障诊断方法.从系统的分布式结构和分布式传感器网络出发，分别阐述了该方法在系统分解和数据融合、相关性分析以及一致性方法等三个方面的最新进展.分布式故障诊断方法将监测职能分散到各子单元，使各子单元可根据自身及相邻子单元的运行状态自行做出安全性能判断，在大规模工业生产过程的监测和故障诊断中具有优势.最后，总结了数据驱动的分布式故障诊断方法的实际应用，并指出其在定性定量混合分析、鲁棒性诊断和数据安全等方面的发展趋势.

关键词

大规模系统 / 故障诊断 / 数据驱动 / 动态特性 / 分布式

基金资助

国家优秀青年科学基金资助项目（62322303）; 国家自然科学基金资助面上项目（62073029,62273033）