[发明专利]一种适于非线性过程在线监控的工业故障检测与诊断方法

权利要求书

1.一种适于非线性过程在线监控的工业故障检测与诊断方法，其特征在于，包括以下步骤：

a)样本数据采集：利用TE过程的仿真数据，仿真数据包括15组不同类别的故障数据，每组故障数据包含301个样本和51种故障测量值，构成4515×51的数据集；

b)信号预处理：利用小波变换软阈值法对样本数据进行小波去噪，其中小波变换软阈值法采用三层小波分解，并将小波重构后的信号作为原始样本输入；

c)数据特征提取：运用基于QR分解的增量式核判别分析法计算最佳投影矩阵，根据最近投影矩阵对样本对象进行特征降维，后续根据新的训练样本数据及时更新最佳投影矩阵；

d)故障源分类判别：采用欧式近邻法进行判别分类；

e)结果输出：输出分类信息以确定故障源状态；

最后对故障源状态进行报警及应急处理。

2.根据权利要求1所述的工业故障检测与诊断方法，其特征在于，在所述步骤c)中，运用基于QR分解的增量式核判别分析法计算最佳投影矩阵包括下述五个步骤：

a1确定前一次基于QR分解的增量式核判别分析法计算中类间散度矩阵B^Φ中的矩阵部分，确定前一次基于QR分解的增量式核判别分析法计算中总体散度矩阵T^Φ中的矩阵部分，确定每类样本数量n_i(i=1,2,…,c)，确定新插入的样本x；

a2根据步骤a1中的矩阵部分、每类样本数量n_i以及新插入的样本x更新类间散度矩阵B^Φ；

a3根据步骤a1中的矩阵部分、每类样本数量n_i以及新插入的样本x更新总体散度矩阵T^Φ；

a4利用步骤a2、步骤a3得到的类间散度矩阵B^Φ和总体散度矩阵T^Φ，对(T^Φ+μI)^-1B^Φ进行特征分解得到c个特征向量令低维最佳投影矩阵VΦ=[φ1Φ,φ2Φ,···,φcΦ];]]>

a5通过G^Φ=C^Φ(R^Φ)^-1V^Φ计算更新后的最佳投影矩阵G，其中C^Φ为核空间H中的质心矩阵，R^Φ为对C^Φ进行QR分解的R矩阵。