[发明专利]一种工业过程微小故障的检测和分离方法及其监测系统在审

专利信息
申请号: 201510661060.2 申请日: 2015-10-14
公开(公告)号: CN105259895A 公开(公告)日: 2016-01-20
发明(设计)人: 周东华;纪洪泉;何潇;卢晓 申请(专利权)人: 山东科技大学
主分类号: G05B23/02 分类号: G05B23/02
代理公司: 济南舜源专利事务所有限公司 37205 代理人: 朱玉建
地址: 266590 山东省青*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 工业 过程 微小 故障 检测 分离 方法 及其 监测 系统
【说明书】:

技术领域

发明属于工业过程监控和故障诊断领域,具体涉及一种工业过程微小故障的检测和分离方法及其监测系统。

背景技术

现代工业过程规模庞大、结构复杂,一旦过程出现异常便可能造成巨大的经济损失,甚至危及人身安全。过程监控和故障诊断技术可以有效地提高系统的可靠性、设备可维护性以及降低事故风险,已成为当前过程控制领域的研究热点之一。此外,较为严重的故障通常由微小故障演化而来,历史上发生的许多重大灾难性事故也是由系统中微小异常未能被及时发现和解决造成。因此,微小故障的危害不容忽视,对微小故障进行及时的检测和分离,并采取有效的防护措施对保障工业过程安全、高效运行具有重要意义。

由于工业过程的复杂性不断增加,其精确的数学解析模型通常难以获得,从而使得传统的基于模型的故障诊断方法受到限制。而基于数据的过程监控和故障诊断方法无需过程精确的解析模型,只是利用过程在正常工况下的大量测量数据建立相应的数据模型,并将该模型应用于在线诊断。作为基于数据故障诊断领域的重要分支,多元统计过程监控技术在过去的二十多年时间里取得了长足发展,并成功应用于诸如石油化工、半导体制造等工业过程。故障检测和故障分离是过程监控的两个基本目标,前者用于判断过程是否发生了故障,后者用于确定故障的种类或者找出发生故障的变量。在多元统计过程监控中,主元分析方法被广泛应用于故障检测;重构贡献图方法(AlcalaCF,QinSJ.Reconstruction-basedcontributionforprocessmonitoring.Automatica,2009,45(7):1593-1600.)通常基于主元分析模型,用于故障检测之后的故障分离。然而,传统的主元分析方法对微小故障的检测性能较差,从而使得故障漏报率较高(检测率较低)。另外,传统的重构贡献图方法在处理微小故障分离问题时,也容易导致故障变量错误定位。现有的微小故障诊断技术主要是对传统故障检测算法进行改进,从而使其对微小故障敏感并获得较好的检测性能,却很少涉及故障分离,而且有些算法的计算复杂度较高,不利于实际应用。因此,亟需提出一种新的故障诊断方法及其相应的监测系统实现对工业过程微小故障的检测和分离。

发明内容

针对现有技术中存在的上述技术问题,本发明提出了一种工业过程微小故障的检测和分离方法,其采用如下技术方案:

一种工业过程微小故障的检测和分离方法,包括如下步骤:

a采集工业过程正常工况下的一段传感器测量数据作为训练数据集,并建立该训练数据集的主元分析模型;

b给定合适的滑动时间窗口宽度,计算训练数据集中每个样本的每个变量具有的改进重构贡献值;

c确定每个变量的改进重构贡献的控制限;

d采集工业过程实时工况下的传感器测量数据作为测试数据,测试数据中的测量变量与步骤a中训练数据集的测量变量相对应;

e计算测试数据中每个变量的改进重构贡献,并与步骤c中相对应的控制限进行比较,对所述测试数据进行故障分析;

f若步骤e中故障分析的结果为有故障发生,则将具有最大改进重构贡献值的变量确定为故障变量,以实现故障分离。

优选地,步骤b具体为:

根据下式计算训练数据集中每个样本的每个变量具有的改进重构贡献值:

IRBCi,k=(ξiTΦxk)2ξiTΦξi;]]>

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东科技大学,未经山东科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201510661060.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top