[发明专利]基于稀疏贡献图的高炉多工况故障分离方法及系统

说明书

技术领域

本发明属于流程工业过程监控与故障诊断领域，特别涉及一种基于稀疏贡献图的高炉多工况故障分离方法及系统。

背景技术

对于过程监控和故障分离问题，传统的过程监控方法大多采用多元统计过程控制技术(Multivariable Statistical Process Control，MSPC)，其中以主元分析(Principal Component Analysis，PCA)和偏最小二乘(Partial Least Squares，PLS)为代表等方法已在工业过程监控中得到了成功的应用。

传统的故障分离方法，如贡献图和基于重构的贡献图，也在一些应用中取得了很好的效果。传统的MSPC方法和故障分离方法均假设过程运行在单一的操作工况下，但是实际上由于原料、燃料的变化，外部环境(如温度，湿度)变化，会导致高炉系统呈现出多工况的特点。同时高炉冶炼过程是一个非常复杂的非线性、非高斯动态过程，现有假设每个工况数据服从高斯分布的多工况方法也无法得到应用。最后，高炉系统具有缺乏故障历史数据的特点，这给多工况下故障分离带来了挑战。

以高炉系统为例，高炉系统产生的数据量庞大，训练样本数目很多，这给传统的基于稀疏表示的方法带来巨大的挑战。例如某种方法虽然不假设数据的高斯性，但因为该方法直接用训练样本作为字典导致字典规模过于庞大，从而导致计算量的增加，需要的存储空间增加，直接导致过程监控实时性变差。而且该方法只考虑了故障检测问题，没有考虑稀疏表示框架下多工况的故障分离问题。另外，一些假设故障先验知识，利用历史故障数据的故障诊断或分离方法也同样不适用于高炉系统，因为高炉系统具有欠知识，缺少充分的故障信息的难点。

发明内容

本发明所要解决的技术问题之一是需要提供一种基于稀疏贡献图的高炉多工况故障分离方法，该方法能够解决高炉多工况系统大数据的问题，不需要故障先验知识，能够对故障进行快速、准确分离。

为了解决上述技术问题，本发明提供了一种基于稀疏贡献图的高炉多工况故障分离方法，其中，包括：数据收集步骤，收集不同工况下的对应各个检测变量的正常数据作为训练样本集；字典增广步骤，基于所述训练样本集得到一字典，并对所述字典进行增广处理得到增广字典；稀疏编码步骤，利用所述增广字典，获取在线数据的稀疏编码；故障检测步骤，基于所述稀疏编码计算所述在线数据的字典重构残差，并将其与字典重构残差的控制限进行比较，其中，若所述字典重构残差大于所述控制限，则判断发生故障并执行故障分离步骤；故障分离步骤，计算所述各个检测变量的稀疏贡献值，根据所述稀疏贡献值绘制稀疏贡献图以进行故障分离。

优选地，其中，在所述数据收集步骤中，利用以下表达式来得到所述训练样本集：

其中，i＝1,…C是第i个工况的数据样本，N_i表示第i个工况的样本数目，N表示所有工况的样本数目总和，m表示检测变量的个数，表示实数域，T表示矩阵的转置。

优选地，其中，在所述字典增广步骤中，利用以下表达式来计算得到所述字典，

<D,U,W,A>=argmin||X-DA||F2+λ||Q-UA||F2+β||L-WA||F2]]>