[发明专利]基于核字典学习的工业过程监测方法、装置和设备

说明书

本发明涉及一种基于核字典学习的工业过程监测方法、装置和设备。该方法可以包括：根据测试数据和预先训练的核字典，获取所述测试数据的稀疏编码；所述核字典用于表示工业过程中的非线性数据的特征；根据所述稀疏编码和所述核字典，获取所述测试数据的重构误差；根据所述重构误差与所述核字典对应的预设阈值，对所述测试数据进行分类。该方法能够应用于非线性关系的工业过程，对非线性关系的工业过程进行监测，增加了工业过程监测方法的应用场景，能够对更多的工业过程的运行状态进行监测，为工业过程的安全生产提供保障。

技术领域

本发明涉及工业过程监测领域，特别是涉及一种基于核字典学习的工业过程监测方法、装置和设备。

背景技术

工业系统具有大规模，复杂和高度耦合的特点。另外，受原材料的变化、生产负荷、市场需求等因素的影响，使得工业过程通常在不同的运行方式下工作。由于这些条件的变化，导致各变量之间存在着非线性关系，因而工业生产过程通常在非线性模式下工作，而对于这样的非线性过程，调节策略也是多种多样的。另外，不正确的动作可能会损害操作模式，从而进一步降低整个系统的性能，导致经济损失甚至造成巨大的人员伤亡。因此，工业过程运行状态的监测和故障的隔离显得尤为重要。

传统技术中，通过假设工业过程中的过程数据不存在非线性关系，采用字典学习法，对工业过程的过程数据进行学习，得到用于提取工业过程数据特征的字典，利用得到的字典对工业过程的数据进行监测和分类。

但是，由于实际工业过程中数据存在非线性关系，而传统的工业过程数据监测方法假设工业过程中数据不存在非线性关系，使得传统的工业过程数据监测方法存在应用场景受限的问题。

发明内容

基于此，有必要针对传统的工业过程数据监测方法存在应用场景受限的问题，提供一种基于核字典学习的工业过程监测方法、装置和设备。

第一方面，本发明实施例提供一种基于核字典学习的工业过程监测方法，所述方法包括：

根据测试数据和预先训练的核字典，获取所述测试数据的稀疏编码；所述核字典用于表示工业过程中的非线性数据的特征；

根据所述稀疏编码和所述核字典，获取所述测试数据的重构误差；

根据所述重构误差与所述核字典对应的预设阈值，对所述测试数据进行分类。

在其中一个实施例中，所述根据所述重构误差与所述核字典对应的预设阈值，对所述测试数据进行分类包括：

判断所述重构误差是否大于所述预设阈值；

若所述重构误差大于所述预设阈值，则确定所述测试数据为异常数据；

若所述重构误差小于或等于所述预设阈值，则确定所述测试数据为正常数据。

在其中一个实施例中，所述方法还包括：

根据所述异常数据，获取所述异常数据的重构值；

根据所述重构值和预设的隔离指数，对所述异常数据进行故障隔离。

在其中一个实施例中，所述根据所述重构值和预设的隔离指数，对所述异常数据进行故障隔离，包括：

根据所述重构值，获取所述预设的隔离指数的最小值；

将所述预设的隔离指数的最小值对应的异常数据进行故障隔离。

在其中一个实施例中，所述预设的隔离指数包括：式中，ξ_i表示隔离指数，表示用于替换第i个变量真实值的重构值，其余变量值均为与所述异常数据相等的矢量，表示的重构值，表示所述异常数据的重构值，y表示异常数据。

在其中一个实施例中，所述根据所述异常数据，获取所述异常数据的重构值包括：