项目名称: 一种基于数据驱动的故障诊断与容错控制方法研究

项目编号: No.61304102

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 尹珅

作者单位: 渤海大学

项目金额: 26万元

中文摘要: 随着我国经济的高速发展,复杂工业系统在国民经济中所占比重日益增加,其非正常工况诊断与系统安全运行方法已成为国内工业界和学术界亟待解决的关键课题。尽管基于机理模型的故障诊断理论在过去二十年中有了长足的发展,但复杂工业系统的机理建模在实际中依然十分困难。本课题针对复杂工业系统的非正常工况诊断与安全运行核心理论及关键技术展开研究。在复杂工业系统难以建立精确机理模型的前提下,基于大量历史数据及在线数据,融合关键参数辨识理论,提出基于数据的故障诊断与容错一体化设计框架。并在此框架下,研究非正常工况预报及最优维护时机选择方法,为复杂工业系统的安全、高效运行奠定理论基础。

中文关键词: 数据驱动;故障诊断;容错控制;集成设计方法;复杂工业系统

英文摘要: With China's rapid economic development, the complex industrial system is playing a very important role in our national industrial and economic construction. The diagnosis of non-normal operation conditions with the safe operation methods and implementation technology have become key issues for both industrial and academic domains. Although the model-based fault diagnosis theory has been well established for the past two decades, the physical modeling of complex industrial systems is still very difficult in practice. This proposed project aims to solve key theoretic and technical problems of diagnosing non-normal conditions and making safe operation for complex industrial processes. Since it is very difficult to have an accurate physical model of a complex system, based on a great number of historic and online data with combining fault mechanisms and advanced information processing methods, the main objective of this proposed project is to achive efficient fault diagnosis and tolerant control in an integerated framework. Based on it, the prediction of non-normal conditions as well as optimal maintenance time prediction method will be further researched. It will build up a solid theoretical foundation of solving the problem of safe and highly efficient operations of complex industrial processes.

英文关键词: data-driven;fault diagnosis;fault tolerant control;an integreted design framework;complex industrial systems

成为VIP会员查看完整内容
3

相关内容

通过采集数据(这里的数据必须满足大、全、细、时),将数据进行组织形成信息流,在做决策或者产品、运营等优化时,根据不同需求对信息流进行提炼总结,从而在数据的支撑下或者指导下进行科学的行动叫做数据驱动。
数据治理标准化白皮书(2021年), 34页pdf
专知会员服务
232+阅读 · 2022年1月18日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
146+阅读 · 2021年8月7日
数据库发展研究报告(2021年)
专知会员服务
47+阅读 · 2021年6月29日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
30+阅读 · 2020年12月21日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
【北京大学】面向5G的命名数据网络物联网研究综述
专知会员服务
37+阅读 · 2020年4月26日
云上应用系统数据存储架构演进
阿里技术
2+阅读 · 2021年9月1日
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
3+阅读 · 2022年4月18日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Arxiv
28+阅读 · 2021年10月1日
Arxiv
28+阅读 · 2021年5月17日
Arxiv
31+阅读 · 2020年9月21日
小贴士
相关VIP内容
数据治理标准化白皮书(2021年), 34页pdf
专知会员服务
232+阅读 · 2022年1月18日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
146+阅读 · 2021年8月7日
数据库发展研究报告(2021年)
专知会员服务
47+阅读 · 2021年6月29日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
30+阅读 · 2020年12月21日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
【北京大学】面向5G的命名数据网络物联网研究综述
专知会员服务
37+阅读 · 2020年4月26日
相关资讯
云上应用系统数据存储架构演进
阿里技术
2+阅读 · 2021年9月1日
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
3+阅读 · 2022年4月18日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Arxiv
28+阅读 · 2021年10月1日
Arxiv
28+阅读 · 2021年5月17日
Arxiv
31+阅读 · 2020年9月21日
微信扫码咨询专知VIP会员