[发明专利]基于显著故障变量提取的卷烟制叶丝段故障诊断方法

权利要求书

1.基于显著故障变量提取的卷烟制叶丝段故障诊断方法，其特征在于，包括步骤：

1)收集卷烟制叶丝段Sirox增温增湿机和KLD薄板烘丝机运行过程的正常工况数据X_n(N_n×J)和典型故障工况数据X_f,i(N_f,i×J)，针对正常工况数据和每种典型故障工况数据采用改进Fisher判别分析方法提取每种故障对应的故障方向R_i(J×R)；

2)沿提取的故障方向，分别计算正常工况数据、故障工况数据对应的特征矩阵T_n,i、T_f,i；再根据马氏距离分别计算正常工况数据、故障工况数据对应的统计量D_n,i,m²、D_f,i,m²，根据正常工况数据对应统计量的密度分布确定控制限

3)如果故障工况数据对应的统计量D_f,i,m²超过了控制限进行故障变量提取；沿故障方向R_i分别计算正常工况、故障工况的变量贡献度根据计算的变量贡献度比例的大小确定最重要的故障变量j，将故障变量j移到故障变量数据库；更新正常工况数据和故障工况数据重新计算故障方向进行故障变量提取，当故障工况数据对应的统计量在控制限以内时，表明所有故障变量均已提取；

4)通过故障变量的选取，将每一种故障工况的监测变量分为故障变量和一般变量；由于不同的故障工况可能具有相同的故障变量，但这些故障变量的相关关系不同，仅仅利用选取的故障变量不能准确区分不同的故障工况；因此，基于每种故障工况分离后的故障变量和一般变量，分别建立故障诊断模型揭示该类故障工况的故障影响，并计算得到故障评价统计量；

5)在第k个采样时刻获得一个新的观测数据x_new(J×1)，采用王伟等人[1]提出的基于相对变化分析的多模态卷烟制叶丝段故障监测方法检测是否有异常发生；存在异常时，对于新检测的故障数据，进行在线故障诊断；通过迭代评价新检测故障数据与每种故障工况的相似性，确定该故障数据属于哪种故障工况。

2.如权利要求1所述的基于显著故障变量提取的卷烟制叶丝段故障诊断方法，其特征在于，在步骤1)中正常工况数据和故障工况数据分别为X_n(N_n×J)和X_f,i(N_f,i×J)，其中N_n表示正常工况的采样点个数，N_f,i表示第i种故障工况的采样点个数，J表示监测变量个数；采用改进Fisher判别分析方法对X_n和X_f,i进行分析，获得表征故障方向的判别矩阵R_i(J×R)，其中R表示保留的判别成分个数。