[发明专利]基于传递熵的化工过程故障诊断方法

权利要求书

1.基于传递熵的化工过程故障诊断方法，其特征在于，包括如下步骤：

S1：采用相关信息熵建立过程监测模型；

S2：利用S1中建立的过程监测模型，判断实时工况状态；

S3：利用历史故障数据，并引入传递熵，建立故障根本原因-故障特征变量数据库，并利用所述故障根本原因-故障特征变量数据库判断故障根本原因。

2.按照权利要求1所述的基于传递熵的化工过程故障诊断方法，其特征在于：S1包括如下步骤：

S11：以化工过程中有监测变量的故障源为研究对象，采集正常工况下的历史监测数据x∈M^m×n并对其进行归一化处理，以消除不同监测变量之间量纲和数值大小差异的影响，其中，m表示采样时刻的个数，n表示每个采样时刻包含的监测变量的个数，且n<m；

S12：根据贝叶斯信息准则从监测变量中选取N个强相关性变量并利用公式(1)计算时序序列的相关系数矩阵R＝(r_jk)_n×n

式中：x_ji表示历史监测数据矩阵M中第j行第i列的数值，r_jk表示相关系数矩阵第j行第k列的数值；表示历史监测数据矩阵M中第j行的均值；表示历史监测数据矩阵M中第k列的均值；

S13：计算每个采样时刻的相关系数矩阵R的特征值λ_n＝(n＝1,2,...,N)，并利用公式(2)计算其相关信息熵，其中，所有采样时刻的相关信息熵的均值记为H_R′

式中：H_R表示相关信息熵；表示相关系数矩阵R的特征值；N表示强相关性变量的个数。

3.按照权利要求2所述的基于传递熵的化工过程故障诊断方法，其特征在于：S2包括如下步骤：

S21：采集S1中选取的N个强相关变量的实时数据，并对所述数据进行归一化处理；

S22：采用S1中的方法计算出在线监测数据的时序序列相关系数矩阵R_new、特征值λ_n＝(n＝1,2,...,N)和相关信息熵值H_R；

S23：判断|H_R-H_R′|与预设阈值V的关系，若|H_R-H_R′|＞V，则初步判定该工况为非正常工况，执行S3，否则，判定其为正常工况，继续执行S2，其中，V的取值范围为0～1。