[发明专利]基于vinecopula相关性描述的多模态过程故障检测方法及系统

说明书

技术领域

本发明属于故障检测技术领域，涉及一种故障检测方法，尤其涉及一种基于vine copula相关性描述的多模态过程故障检测方法；同时，本发明还涉及一种基于vine copula相关性描述的多模态过程故障检测系统。

背景技术

随着社会的快速发展，人们对化工产品的需求无论是从质还是量上都有很大提高，这促使化工生产过程朝着大型化、综合化和复杂化的方向发展。然而，在化工行业快速增长、多元化发展的同时，化工生产却面临着安全基础薄弱的挑战。化工生产通常具有高温高压、有毒有害以及易燃易爆的特点。当生产过程受到强干扰或者误操作等因素影响，有可能导致化工事故，造成重大经济损失、人员伤亡、环境污染。为此，对大型化工过程，尤其是多模态化工过程的实时监控就显得非常必要了。

目前来看，大多数的多元统计过程监控方法主要利用降维、去耦合思想(如PCA,PLS,ICA等)实现对过程变量的实时监控。但是当过程体现为高度非线性性与非高斯性时，往往会出现信息的显著缺失并直接影响到最终的监控效果。因此，本发明从直接刻画高维数据复杂相关性的角度出发，引入copula理论实现对高维数据的相关性建模。更为精确的统计模型能够保证复杂化工过程监控效果的显著提升。

传统的copula在刻画高维数据相关性时存在参数优化过程复杂性问题。有鉴于此，如今迫切需要设计一种新的故障检测方式，以便克服现有方式的上述缺陷。

发明内容

本发明所要解决的技术问题是：提供一种基于vine copula相关性描述的多模态过程故障检测方法，可克服传统降维思想引起的信息损失问题，并实现了对存在非线性、非高斯的多模态复杂化工过程的实时监控。

此外，本发明还提供一种基于vine copula相关性描述的多模态过程故障检测系统，可克服传统降维思想引起的信息损失问题，并实现了对存在非线性、非高斯的多模态复杂化工过程的实时监控。

为解决上述技术问题，本发明采用如下技术方案：

一种基于vine copula相关性描述的多模态过程故障检测方法，所述方法包括如下步骤：

步骤S1、根据专家知识或是采用聚类方法，得到不同模态下正常数据的训练样本集；

步骤S2、利用C-vine copula进行相关性建模，获得各模态的联合概率密度函数；

步骤S3、采用马尔科夫蒙特卡洛方法对不同模态的联合概率密度函数进行抽样，计算各样本的联合概率密度函数值；

步骤S4、根据控制限确定离散化步长l，并利用密度分位数法构建过程的静态密度分位数表；

步骤S5、通过查表的方式估计t时刻监控数据在模态k下的广义局部概率指标

步骤S6、采用贝叶斯推理计算广义BIP指标，通过判断该指标是否超限，以此完成实时过程监控。

作为本发明的一种优选方案，所述步骤S2通过以下四个子步骤获得各模态的联合概率密度函数：

步骤2.1、构建copula对的解析模型，见式(1)：

其中

n为随机向量x的维数，

f(x)为随机向量x的联合概率密度函数，

f_t(x_t)为随机变量x_t的概率密度函数，

F(x_i|x₁,…,x_i-1)为随机变量x_i的累积条件分布函数，

c_i,i+j|1:i-1为二元copula的密度函数，

θ_i,i+j|1:i-1为二元copula密度函数中的待优化参数；

步骤2.2、利用式(2)选择合适结构的C-vine copula模型：

其中

τ_i,j为随机变量x_i与x_j的Kendall秩相关系数；

步骤2.3、采用迭代策略计算式(1)中的累积条件分布函数，见式(3)：

其中

表示随机向量x中不包括x_i与x_j的所有元素集合，

为二元copula的分布函数；

步骤2.4、采用基于最大伪似然的Akaike准则优化式(1)中不同二元copula的结构与参数：

其中，