[发明专利]超高速包装设备的统计监测与故障诊断方法

权利要求书

1.超高速包装设备的统计监测与故障诊断方法，其特征在于该方法包括以下的步骤：

1)收集整理某一产品牌号下H1000超高速包装设备的监测数据报表，获得具有I个生产批次、J个测量变量的二维原始数据X(I×J)，对其进行均值中心化和方差归一化的数据预处理，得到该产品牌号下统计模型的二维建模数据X(I×J)；

2)对二维建模数据X(I×J)进行PCA分解，得到对应的主元个数A、得分矩阵T_A、负载矩阵P_A和残差矩阵E，建立PCA监测模型；

3)离线计算建模数据的T²和SPE监测统计量，并根据相同产品牌号不同生产批次的T²值服从F分布、SPE值服从χ²分布，计算某一置信度下PCA监测模型的T²和SPE控制限；

4)在线监测时，收集该产品牌号下某一班组的监测数据报表，通过数据预处理获得该生产批次的过程数据x_new(1×J)，利用PCA监测模型在线计算数据x_new(1×J)对应的T²和SPE统计量，如果两个统计量都位于控制限以内，表明设备状态正常，如果至少其中一个统计量超出控制限，表明设备状态异常；

5)当检测到设备出现有异常时，根据超限统计量处于T²的主元子空间或是SPE的残差子空间，计算每个过程变量对超限统计量的贡献率，贡献率较大的变量被初步确定为造成设备异常的原因变量。

2.如权利要求1所述的超高速包装设备的统计监测与故障诊断方法，其特征在于，步骤1)中的数据预处理包括依次进行的减均值、除标准差处理。计算公式如下：

其中下标i代表批次、j代表变量，表示第j个变量的均值，s_j表示第j个变量的标准差。

3.如权利要求1所述的超高速包装设备的统计监测与故障诊断方法，其特征在于，在步骤2)中，将预处理后的二维建模数据矩阵X进行PCA分解，PCA分解的计算公式如下：

其中A为主元个数，a表示不同的PCA分解方向，T_A表示保留A个主元后的(I×A)维得分矩阵，P_A表示保留A个主元后的(J×A)维负载矩阵，E表示(I×J)维残差矩阵。

4.如权利要求1所述的超高速包装设备的统计监测与故障诊断方法，其特征在于，所述的步骤3)中，T²统计量的计算公式为：

其中t_i＝x_iP_A表示(1×A)维的主元得分向量，对角矩阵S＝diag(λ₁,…,λ_A)是由建模数据集X的协方差矩阵ΣX^TX的前A个特征值所构成；

T²统计量的控制限利用F分布采用下式计算：

其中A为保留的主元个数，N＝I为样本数，α为置信度；F_α(A,N…A)是对应于置信度为α，自由度为A，N-A条件下的F分布临界值；

SPE统计量的计算公式为：

其中表示重构得到的(1×J)维重构估计向量；e_i表示建模数据向量x_i与重构估计向量的残差向量；

SPE统计量的控制限利用χ²分布采用下式计算：

其中g＝v/2n、h＝2n²/v；n、v分别为SPE统计量的均值和方差。

5.如权利要求1所述的超高速包装设备的统计监测与故障诊断方法，其特征在于，对步骤4)中收集到的监测数据报表，利用建模数据的均值和标准差进行数据预处理，得到过程数据x_new(1×J)。