[发明专利]一种基于多生产单元变量交叉相关解耦策略的故障监测方法

说明书

本发明公开一种基于多生产单元变量交叉相关解耦策略的故障监测方法，旨在从数据角度出发，将工业对象中不同生产单元之间的交叉关系考虑进分布式建模与监测过程中，从而实施更加可靠而有效的分布式故障监测。具体来讲，首先根据各生产单元测量变量的归属，将所有测量变量划分成多个变量子块；其次，利用回归模型将各个变量子块中与其他变量子块之间的交叉相关信息挖掘出来；最后，利用交叉相关解耦后的误差实施建模与故障监测。相比于传统方法，本发明方法利用回归模型将不同生产单元变量子块之间的交叉关系考虑进来，并对能够反映出不同生产单元之间交叉相关关系是否发生变化的误差实施监测，理应具备更优越的故障监测性能。

技术领域

本发明涉及一种数据驱动的故障监测方法，尤其涉及一种基于多生产单元变量交叉相关解耦策略的故障监测方法。

背景技术

保证持续正常的生产状态对于降低企业生产成本与保证生产安全具有重要性意义，通常采取的技术手段无外乎对过程运行状态实施实时监测，从而及时地甄别出系统出现的异常状态。近年来，随着工业大规模与“大数据”建设的推进，生产过程中可以采集大量的实时数据而无法建立精确的机理模型，这为数据驱动的故障监测方法的兴起与广泛应用做好了铺垫。在这一研究领域里，多变量统计过程监测得到了最多的研究与关注。这其中，又当以主成分分析(Principal Component Analysis，PCA)算法为最主流的实施技术手段。通过挖掘训练数据的潜在特征，基于PCA的故障监测方法将故障监测任务转换成一个单分类的模式识别问题。从这点上看，以PCA为核心的故障监测方法体系的核心在于如何有效地描述采样数据间的关联关系。

此外，考虑到现代工业过程的大规模性，基于PCA的故障监测方法已经从最开始的单个故障监测模型发展成分布式的故障监测策略。一般来讲，分布式的故障监测方法能够在建模时简化对过程对象分析的难度，而且多模型的思路通常泛化性能优越于单个模型。由于现代工业过程的大规模趋势，整个生成单元通常由诸多个子生产单元组成。因此，可以将所有的测量变量按照生产单元的归属划分成多个子变量块，然后对每个子变量块分别实施监测就是分布式故障监测方法的核心本质。

然而，现代工业过程各生产子单元之间还存在交叉的关系，比如产品的回流进入其他生产单元，以及利用不同生产单元间的反馈信号实施控制等等。直接按照生产单元分成的变量子块的做法，不能将不同生产单元之间的交叉关系考虑进来。因此，传统的分布式故障监测方法还有待进一步的改进。若是按照生产单元实施分布式故障监测时，能将不同生产单元之间的交叉关联关系考虑进来，将会提升相应故障监测方法的性能。可是，若是直接根据生产过程的机理知识分析这种交叉关联关系，需要深入细致的分析过程对象的组成结构情况。这在实际过程中是不可取的，也违背了数据驱动故障监测方法从数据角度出发的理念。

发明内容

本发明所要解决的主要技术问题是：如何从数据角度出发，将工业对象中不同生产单元之间的交叉关系考虑进分布式建模与监测过程中，从而实施更加可靠而有效的分布式故障监测。具体来讲，本发明方法首先根据各生产单元测量变量的归属，将所有测量变量划分成多个变量子块；其次，利用回归模型将各个变量子块中与其他变量子块之间的交叉相关信息挖掘出来；最后，利用交叉相关解耦后的误差实施建模与故障监测。

本发明解决上述技术问题所采用的技术方案为：一种基于多生产单元变量交叉相关解耦策略的故障监测方法，包括以下步骤：

(1)采集生产过程对象中所有生产单元正常运行状态下的样本数据，组成训练数据集X∈R^n×m，并对其进行标准化处理，得到均值为0、标准差为1的新数据矩阵其中，n为训练样本总数，m为过程对象所有测量变量的个数，R为实数集，R^n×m表示n×m维的实数矩阵。

(2)根据各测量变量的生产单元归属，将m个测量变量分成C个不同的变量子块，其中C表示过程对象中生产单元的个数。