[发明专利]工业过程间歇故障的检测方法

说明书

本发明涉及一种工业过程间歇故障的检测方法，其步骤为：根据工业过程正常工况下的数据建立规范变量分析模型，得到规范变量并划分为状态空间和残差空间两部分，引入一个滑动时间窗口，对状态空间和残差空间的平均数据矩阵建立主元分析模型，给定显著性水平，计算故障检测指标的控制限，采集工业过程实时数据作为测试数据，利用建立的主元分析模型计算测试数据的故障检测指标，与控制限进行比较判断是否发生故障。本发明基于传统的规范变量分析CVA，通过引入滑动时间窗口，提出一种新的故障检测指标，对状态空间和残差空间的数据取平均值使其对故障更为敏感，能够及时有效地实现间歇故障的检测，有效提高故障检测率，降低误报率。

技术领域

本发明属于工业过程监控和故障诊断技术领域，涉及一种工业过程间歇故障的检测方法。

背景技术

现代工业系统具有大型化、复杂化等特点，研究工业过程监控和故障诊断技术，提高工业系统安全性和可靠性受到人们越来越多的关注。经过研究者们几十年广泛研究，故障诊断技术大致分成了基于模型、基于知识和基于数据驱动的三大类故障诊断方法。随着分布式控制系统的广泛使用，大量运行数据被记录下来，基于数据驱动的故障诊断方法逐渐成为人们的研究热点。但现有的基于模型、基于知识和基于数据驱动的故障诊断方法大都针对的是永久故障，无法适用于间歇故障。

间歇故障是指一类持续时间短，可反复出现，未经处理可自行消失的故障。在实际工业系统中，比如通讯网络、电磁系统、配电系统和机械系统等，间歇故障是普遍存在的一种故障类型。此外，间歇故障具有积累效应，故障持续时间和发生频率会逐渐增加，最终演变为永久故障，从而导致整个系统失效。因此，及时的检测出间歇故障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。

多元统计过程监控是数据驱动过程监控方法的一个重要分支，受到研究者的关注并且成功地应用到了工业过程的故障诊断。主元分析是多元统计过程监控中最基本和最重要的方法之一，已经被研究者深入地研究。但是基于主元分析的故障检测方法仍然存在一些问题。工业过程中采集到的数据往往存在互相关性和自相关性，主元分析只消除了变量之间的互相关性，没有考虑变量本身的自相关性。为了更好地解决数据间自相关性和互相关性，它的变种动态主元分析和规范变量分析算法被提出。文献(Russell EL,Chiang LH,Brattz RD.Fault Detection in Industrial Processes Using Canonical VariateAnalysis and Dynamic Principal Component Analysis[J].Chemometrics andIntelligent Laboratory Systems,2000,51(1):81-93.) 中将主元分析、动态主元分析和规范变量分析同时应用于田纳西-伊斯曼化工过程，通过对三种方法的监控比较，结果显示，规范变量分析在检测率和误报率方面具有明显的优越性。

然而，传统的规范变量分析方法只应用于永久故障检测，由于间歇故障的发生和消失具有随机性，持续时间和间隔时间具有间歇性并且间歇故障的幅值未知，直接将规范变量分析方法应用于间歇故障检测，会导致故障漏报率和误报率都比较高，检测效果差。因此，迫切需要一种新的故障检测方法，高效地实现对工业过程中间歇故障的检测。

发明内容

本发明针对现有故障检测方法检测间歇故障时存在故障漏报率和误报率高导致检测效果差的问题，提供一种工业过程间歇故障的检测方法，该方法故障检检测率高，误报率低。

为了达到上述目的，本发明提供了一种工业过程间歇故障的检测方法，含有以下步骤：

(一)采集工业过程正常操作工况下的数据进行标准化处理后作为训练数据集，对训练数据集建立规范变量分析模型，并计算状态空间投影矩阵和残差空间投影矩阵

(二)根据规范变量分析模型和投影矩阵，计算得到训练数据的规范变量并分解为状态空间矩阵X和残差空间矩阵E两部分，给定滑动时间窗口宽度，分别计算状态空间平均数据矩阵和残差空间平均数据矩阵