[发明专利]基于缓慢特征分析的过程监控方法和系统

权利要求书

1.一种基于缓慢特征分析的过程监控方法，其特征在于，包括：

S1，读取缓慢特征模型以及监控模型，所述缓慢特征模型为

其中，m为输入向量的维数，u(t)为采样时刻离散化的m维输入向量，s(t)为采样时刻离散化的m维缓慢特征向量；系数矩阵W为m阶方阵，所述输入向量u(t)包含一定数量的历史数据，当有n个过程变量x(t)＝[x₁(t)，x₂(t)，…，x_n(t)]^T时，则所述输入向量u(t)的结构为

其中，Δt为输入变量的采样周期，d为输入向量包含的历史数据的长度，且维数m满足关系式m＝n(d+1)，R^n(d+1)为维数为n(d+1)的实数向量；

所述的监控模型为

1

其中，M为用于监控的缓慢特征的个数，s_1：M(t)为由前M个缓慢特征组成的向量，M＜m，用于描述s_1：M(t)变化的快慢程度，λ_k用于描述缓慢特征s_k(t)的变换快慢程度，T²和S²为待监控的统计量，其控制限分别为和α为置信度；

S2，读入过程变量[x₁(t)，x₂(t)，…，x_n(t)]的在线测量值，组成输入向量u(t)并输入到缓慢特征模型中，以求得缓慢特征向量s(t)的在线实时估计值；

S3，将前M个缓慢特征组成的向量s_1：M(t)输入所述监控模型中，以获得T²和S²统计量的瞬时估计值；

S4，比较T²与以及S²与若则判定过程偏移了稳态工作点，若则判定过程发生了动态特性的变化。

2.根据权利要求1所述过程监控方法，其特征在于，所述缓慢特征模型的建立过程包括：

S10，根据生产过程机理分析选取过程变量，设置历史数据长度d的估计；

S11，从在线采集的数据库按采样时间递增的顺序搜集相关的易测辅助变量构成样本集C：

C＝{u(t)，u(t+Δt)，…，u(t+(N-1)Δt)}，

其中，N为样本个数，采样周期Δt应满足香农采样定理；

S12，对C中的输入样本数据进行标准化处理，使输入数据在每一个维度上具有零均值和单位方差；

S13，根据C中的样本构造矩阵U：

U＝[u(t)，u(t+Δt)，…，u(t+(N-1)Δt)]^T∈R^m×N，

对矩阵UU^T进行特征值分解：

UU^T＝VΛV^T，

其中V为矩阵UU^T的正交阵，Λ为矩阵UU^T的对角阵；

S14，定义矩阵Q＝Λ^-1/2V^T，利用矩阵Q对u(t)进行变换，得到中间变量z(t)＝Qu(t)，

以及矩阵Z＝[z(t)，z(t+Δt)，…，z(t+(N-1)Δt)]^T∈R^m×N，

S15，根据矩阵Z计算矩阵

S16，对矩阵进行特征值分解：

其中P为矩阵的正交阵，Ω为矩阵的对角阵，

计算矩阵W＝PQ。