[发明专利]一种用于复杂故障的工业过程故障诊断方法

权利要求书

1.一种用于复杂故障的工业过程故障诊断方法，其特征在于，包括：

(1)采集正常模式下的样本数据，组成训练集数据矩阵X∈R^n×m，其中n为样本的个数,m为变量的维度；

(2)对于正常模式下的样本数据，使用极大似然估计求解参数，得到变量i的概率密度函数p(x_i|N)；

(3)利用预处理后的训练集数据矩阵建立故障监控模型，利用故障监控模型计算正常模式下的统计量和正常模式下的控制限；

(4)采集待诊断的样本x(t)，使用预处理后的训练集数据矩阵计算x(t)的统计量，当x(t)的统计量大于正常模式下的控制限时，则发生故障；

(5)在t时刻对变量i的概率密度函数p(x_i|N)进行积分，得到t时刻样本的第i个变量的偏差因子并作为故障样本的特征量；

(6)利用正常模式下的样本数据，得到故障样本的特征量在正常模式和故障模式下的条件概率密度函数；

(7)根据步骤(4)的故障诊断情况，计算t时刻变量i的先验概率，根据正常模式和故障模式下的条件概率密度函数以及先验概率计算后验概率；

(8)选取后验概率最高的变量加入候选诊断集，根据候选诊断集得到多维重构方向，基于多维重构方向进行重构得到重构之后的故障统计量

(9)若重构之后的故障统计量小于正常模式下控制限，则候选诊断集所包含变量是故障变量，完成故障诊断；否则，继续添加变量至候选诊断集S_f，直到小于正常模式下控制限。

2.如权利要求1所述的一种用于复杂故障的工业过程故障诊断方法，其特征在于，所述步骤(1)还包括：

使用z-score标准化对训练集数据矩阵进行预处理。

3.如权利要求1或2所述的一种用于复杂故障的工业过程故障诊断方法，其特征在于，所述步骤(3)包括：

(3-1)利用预处理后的训练集数据矩阵建立故障监控模型，使用主成分分析法，将故障监控模型分解成主元子空间和残差子空间，计算出主元子空间的SPE统计量及其控制限δ²，残差子空间的T²统计量及其控制限τ²，综合统计量及其控制限将出主元子空间的SPE统计量、残差子空间的T²统计量和综合统计量作为正常模式下的统计量，将主元子空间的控制限δ²，残差子空间的控制限τ²，综合控制限作为正常模式下的控制限；

(3-2)初始化参数，Conut,Δ,其中Conut是故障样本的累计个数，Δ是计算先验概率的最低样本数的阈值，S_f是候选诊断集，Ξ是重构方向矩阵；

所述综合统计量及其控制限分别为：

其中，λ_i表示协方差矩阵S的第i个特征向量，l表示特征值累计贡献率85％以上的前l个特征值，表示卡方分布。

4.如权利要求3所述的一种用于复杂故障的工业过程故障诊断方法，其特征在于，所述步骤(4)还包括：

若发生故障，故障样本的累计个数Count＝Count+1，当x(t)的统计量小于等于正常模式下的控制限时，没有发生故障，重新执行步骤(4)，采集下一时刻样本x(t+1)。

5.如权利要求1或2所述的一种用于复杂故障的工业过程故障诊断方法，其特征在于，所述步骤(5)包括：

如果则故障样本的特征量为：

如果故障样本的特征量为：

其中，为t时刻样本的第i个变量，z为比更接近正常类的样本，p(z|N)为z的概率密度函数，μ_i为训练集数据矩阵中第i个变量的均值。